python热量图和灰度图（python图片灰度处理）

本文目录一览：

• 1、‘求助’Python怎么判断图片是否为灰度图
• 2、怎么用python显示一张图片
• 3、python matlab画灰度图统计图？
• 4、Python热力图绘制方法—新手教程
• 5、怎么用python进行简单的图像处理

‘求助’Python怎么判断图片是否为灰度图

这里判断是否为灰度图的标准是：每一个像素所对应的R、G、B的值是否相等。

def is_color_image(url):

im=Image.open(url)

pix=im.convert(‘RGB’)

width=im.size[0]

height=im.size[1]

oimage_color_type=”Grey Image”

is_color=[]

for x in range(width):

for y in range(height):

r,g,b=pix.getpixel((x,y))

r=int(r)

g=int(g)

b=int(b)

if (r==g) and (g==b):

pass

else:

oimage_color_type=’Color Image’

return oimage_color_type

怎么用python显示一张图片

在 python 中除了用 opencv，也可以用 matplotlib 和 PIL 这两个库操作图片。本人偏爱 matpoltlib，因为它的语法更像 matlab。

一、matplotlib

1. 显示图片

复制代码

import matplotlib.pyplot as plt # plt 用于显示图片

import matplotlib.image as mpimg # mpimg 用于读取图片

import numpy as np

lena = mpimg.imread(‘lena.png’) # 读取和代码处于同一目录下的 lena.png

# 此时 lena 就已经是一个 np.array 了，可以对它进行任意处理

lena.shape #(512, 512, 3)

plt.imshow(lena) # 显示图片

plt.axis(‘off’) # 不显示坐标轴

plt.show()

复制代码

2. 显示某个通道

复制代码

# 显示图片的第一个通道

lena_1 = lena[:,:,0]

plt.imshow(‘lena_1’)

plt.show()

# 此时会发现显示的是热量图，不是我们预想的灰度图，可以添加 cmap 参数，有如下几种添加方法：

plt.imshow(‘lena_1′, cmap=’Greys_r’)

plt.show()

img = plt.imshow(‘lena_1’)

img.set_cmap(‘gray’) # ‘hot’ 是热量图

plt.show()

复制代码

3. 将 RGB 转为灰度图

matplotlib 中没有合适的函数可以将 RGB 图转换为灰度图，可以根据公式自定义一个：

复制代码

def rgb2gray(rgb):

return np.dot(rgb[…,:3], [0.299, 0.587, 0.114])

gray = rgb2gray(lena)

# 也可以用 plt.imshow(gray, cmap = plt.get_cmap(‘gray’))

plt.imshow(gray, cmap=’Greys_r’)

plt.axis(‘off’)

plt.show()

复制代码

4. 对图像进行放缩

这里要用到 scipy

复制代码

from scipy import misc

lena_new_sz = misc.imresize(lena, 0.5) # 第二个参数如果是整数，则为百分比，如果是tuple，则为输出图像的尺寸

plt.imshow(lena_new_sz)

plt.axis(‘off’)

plt.show()

复制代码

5. 保存图像

5.1 保存 matplotlib 画出的图像

该方法适用于保存任何 matplotlib 画出的图像，相当于一个 screencapture。

plt.imshow(lena_new_sz)

plt.axis(‘off’)

plt.savefig(‘lena_new_sz.png’)

5.2 将 array 保存为图像

from scipy import misc

misc.imsave(‘lena_new_sz.png’, lena_new_sz)

5.3 直接保存 array

读取之后还是可以按照前面显示数组的方法对图像进行显示，这种方法完全不会对图像质量造成损失

np.save(‘lena_new_sz’, lena_new_sz) # 会在保存的名字后面自动加上.npy

img = np.load(‘lena_new_sz.npy’) # 读取前面保存的数组

二、PIL

1. 显示图片

from PIL import Image

im = Image.open(‘lena.png’)

im.show()

2. 将 PIL Image 图片转换为 numpy 数组

im_array = np.array(im)

# 也可以用 np.asarray(im) 区别是 np.array() 是深拷贝，np.asarray() 是浅拷贝

3. 保存 PIL 图片

直接调用 Image 类的 save 方法

from PIL import Image

I = Image.open(‘lena.png’)

I.save(‘new_lena.png’)

4. 将 numpy 数组转换为 PIL 图片

这里采用 matplotlib.image 读入图片数组，注意这里读入的数组是 float32 型的，范围是 0-1，而 PIL.Image 数据是 uinit8 型的，范围是0-255，所以要进行转换：

import matplotlib.image as mpimg

from PIL import Image

lena = mpimg.imread(‘lena.png’) # 这里读入的数据是 float32 型的，范围是0-1

im = Image.fromarray(np.uinit8(lena*255))

im.show()

5. RGB 转换为灰度图

from PIL import Image

I = Image.open(‘lena.png’)

I.show()

L = I.convert(‘L’)

L.show()

python matlab画灰度图统计图？

个人意见，一个图里面，一个横坐标你是想怎样对应多个纵坐标值喃，你还需要一个标准在图里表示某列里某个像素值的发布情况，就有3个变量，xyz轴3D图应该更清晰，或者每列里面的每个像素值在xy轴里有一个区间，类似表格，该区间的颜色表示发布多少情况。

Python热力图绘制方法—新手教程

# Python热力图绘制方法

热力图的使用场景有 

1.描述数据在空间的密集程度，常见有城市热力图，区域热力图

2.描述多个变量之间相关性高低程度

# step 1 准备数据集，读取excel列表内容，usecols = index, 这里是表里的第一列不读取。

index =range(1, 11)

dataset = np.array(pd.read_csv(r’C:\Users\Administrator\Desktop\heatmap.csv’, usecols=index))

# step 2  读取excel行索引转成列表，作为热力图的y轴标签

a = (pd.read_csv(r’C:\Users\Administrator\Desktop\heatmap.csv’, usecols=[0]))

y_label =list(a.stack())

# step 3 读取excel列索引转成列表，作为热力图的x轴标签

b = (pd.read_csv(r’C:\Users\Administrator\Desktop\heatmap.csv’))

column_index=(b.columns.tolist())

x_label = column_index[1:]

# 这一步是为了计算热力图的数据的最大值，可以进行标准化处理，也可以直接显示数据，dataframe转成list，从list里面寻找最大值

dataset_max = (pd.read_csv(r’C:\Users\Administrator\Desktop\heatmap.csv’, usecols=index))

list1 = np.array(dataset_max.stack())

max_number =max(list1)

# step 4 开始绘制热力图

plt.figure(figsize=(14, 8))# 定义输出图像大小，annot参数决定是否在热力图上显示数值，Vmax,Vmin表示最大最小值，cmap表示颜色

sns.heatmap(dataset, fmt=’.0f’, annot=True, vmin=0, vmax=max_number, cmap=’Reds’, yticklabels=y_label,

            xticklabels=x_label)

# 绘制标签

plt.xlabel(‘This is x label’, labelpad=15)

plt.ylabel(‘This is y label’, labelpad=20)

plt.show()

怎么用python进行简单的图像处理

所谓简单的图像处理，就是对像素数据进行点处理。

下面是具体步骤。

读取图片：

# -*- coding: utf-8 -*-

import cv2

import numpy as np

img = cv2.imread(“C:/Users/Administrator/Desktop/ball.png”)

cv2.imshow(“a”,img)

cv2.waitKey(0)

cv2.imshow(“a”,img)

打开一个图片窗口。

python读取图片，实际上是读取了离散的图片数据：

print(img)

运行，就会给出图片数据。

显示反色图片，只要进行简单的计算：

255-img

这是2*img的效果。

分离通道，图片的第一个通道是：

img[:,:,0]

成图是灰度图。

第二个通道的灰度图：

img[:,:,1]

第三个通道的灰度图：

img[:,:,2]