python熱量圖和灰度圖（python圖片灰度處理）

本文目錄一覽：

• 1、‘求助’Python怎麼判斷圖片是否為灰度圖
• 2、怎麼用python顯示一張圖片
• 3、python matlab畫灰度圖統計圖？
• 4、Python熱力圖繪製方法—新手教程
• 5、怎麼用python進行簡單的圖像處理

‘求助’Python怎麼判斷圖片是否為灰度圖

這裡判斷是否為灰度圖的標準是：每一個像素所對應的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

怎麼用python顯示一張圖片

在 python 中除了用 opencv，也可以用 matplotlib 和 PIL 這兩個庫操作圖片。本人偏愛 matpoltlib，因為它的語法更像 matlab。

一、matplotlib

1. 顯示圖片

複製代碼

import matplotlib.pyplot as plt # plt 用於顯示圖片

import matplotlib.image as mpimg # mpimg 用於讀取圖片

import numpy as np

lena = mpimg.imread(‘lena.png’) # 讀取和代碼處於同一目錄下的 lena.png

# 此時 lena 就已經是一個 np.array 了，可以對它進行任意處理

lena.shape #(512, 512, 3)

plt.imshow(lena) # 顯示圖片

plt.axis(‘off’) # 不顯示坐標軸

plt.show()

複製代碼

2. 顯示某個通道

複製代碼

# 顯示圖片的第一個通道

lena_1 = lena[:,:,0]

plt.imshow(‘lena_1’)

plt.show()

# 此時會發現顯示的是熱量圖，不是我們預想的灰度圖，可以添加 cmap 參數，有如下幾種添加方法：

plt.imshow(‘lena_1′, cmap=’Greys_r’)

plt.show()

img = plt.imshow(‘lena_1’)

img.set_cmap(‘gray’) # ‘hot’ 是熱量圖

plt.show()

複製代碼

3. 將 RGB 轉為灰度圖

matplotlib 中沒有合適的函數可以將 RGB 圖轉換為灰度圖，可以根據公式自定義一個：

複製代碼

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()

複製代碼

4. 對圖像進行放縮

這裡要用到 scipy

複製代碼

from scipy import misc

lena_new_sz = misc.imresize(lena, 0.5) # 第二個參數如果是整數，則為百分比，如果是tuple，則為輸出圖像的尺寸

plt.imshow(lena_new_sz)

plt.axis(‘off’)

plt.show()

複製代碼

5. 保存圖像

5.1 保存 matplotlib 畫出的圖像

該方法適用於保存任何 matplotlib 畫出的圖像，相當於一個 screencapture。

plt.imshow(lena_new_sz)

plt.axis(‘off’)

plt.savefig(‘lena_new_sz.png’)

5.2 將 array 保存為圖像

from scipy import misc

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

5.3 直接保存 array

讀取之後還是可以按照前面顯示數組的方法對圖像進行顯示，這種方法完全不會對圖像質量造成損失

np.save(‘lena_new_sz’, lena_new_sz) # 會在保存的名字後面自動加上.npy

img = np.load(‘lena_new_sz.npy’) # 讀取前面保存的數組

二、PIL

1. 顯示圖片

from PIL import Image

im = Image.open(‘lena.png’)

im.show()

2. 將 PIL Image 圖片轉換為 numpy 數組

im_array = np.array(im)

# 也可以用 np.asarray(im) 區別是 np.array() 是深拷貝，np.asarray() 是淺拷貝

3. 保存 PIL 圖片

直接調用 Image 類的 save 方法

from PIL import Image

I = Image.open(‘lena.png’)

I.save(‘new_lena.png’)

4. 將 numpy 數組轉換為 PIL 圖片

這裡採用 matplotlib.image 讀入圖片數組，注意這裡讀入的數組是 float32 型的，範圍是 0-1，而 PIL.Image 數據是 uinit8 型的，範圍是0-255，所以要進行轉換：

import matplotlib.image as mpimg

from PIL import Image

lena = mpimg.imread(‘lena.png’) # 這裡讀入的數據是 float32 型的，範圍是0-1

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

im.show()

5. RGB 轉換為灰度圖

from PIL import Image

I = Image.open(‘lena.png’)

I.show()

L = I.convert(‘L’)

L.show()

python matlab畫灰度圖統計圖？

個人意見，一個圖裏面，一個橫坐標你是想怎樣對應多個縱坐標值喃，你還需要一個標準在圖裡表示某列里某個像素值的發佈情況，就有3個變量，xyz軸3D圖應該更清晰，或者每列裏面的每個像素值在xy軸里有一個區間，類似表格，該區間的顏色表示發佈多少情況。

Python熱力圖繪製方法—新手教程

# Python熱力圖繪製方法

熱力圖的使用場景有 

1.描述數據在空間的密集程度，常見有城市熱力圖，區域熱力圖

2.描述多個變量之間相關性高低程度

# step 1 準備數據集，讀取excel列表內容，usecols = index, 這裡是表裡的第一列不讀取。

index =range(1, 11)

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

# step 2  讀取excel行索引轉成列表，作為熱力圖的y軸標籤

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

y_label =list(a.stack())

# step 3 讀取excel列索引轉成列表，作為熱力圖的x軸標籤

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

column_index=(b.columns.tolist())

x_label = column_index[1:]

# 這一步是為了計算熱力圖的數據的最大值，可以進行標準化處理，也可以直接顯示數據，dataframe轉成list，從list裏面尋找最大值

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 開始繪製熱力圖

plt.figure(figsize=(14, 8))# 定義輸出圖像大小，annot參數決定是否在熱力圖上顯示數值，Vmax,Vmin表示最大最小值，cmap表示顏色

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

            xticklabels=x_label)

# 繪製標籤

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

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

plt.show()

怎麼用python進行簡單的圖像處理

所謂簡單的圖像處理，就是對像素數據進行點處理。

下面是具體步驟。

讀取圖片：

# -*- 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)

打開一個圖片窗口。

python讀取圖片，實際上是讀取了離散的圖片數據：

print(img)

運行，就會給出圖片數據。

顯示反色圖片，只要進行簡單的計算：

255-img

這是2*img的效果。

分離通道，圖片的第一個通道是：

img[:,:,0]

成圖是灰度圖。

第二個通道的灰度圖：

img[:,:,1]

第三個通道的灰度圖：

img[:,:,2]