前面的一些例子中，我們都是利用Image.open（）來打開一幅圖像，然后直接對這個PIL對象進行操作。如果只是簡單的操作還可以，但是如果操作稍微復(fù)雜一些，就比較吃力了。因此，通常我們加載完圖片后，都是把圖片轉(zhuǎn)換成矩陣來進行更加復(fù)雜的操作。

python中利用numpy庫和scipy庫來進行各種數(shù)據(jù)操作和科學(xué)計算。我們可以通過pip來直接安裝這兩個庫

pip install numpy

pip install scipy

以后，只要是在python中進行數(shù)字圖像處理，我們都需要導(dǎo)入這些包：

from PIL importImageimportnumpy as npimport matplotlib.pyplot as plt

打開圖像并轉(zhuǎn)化為矩陣，并顯示：

from PIL importImageimportnumpy as npimportmatplotlib.pyplot as plt

img=np.array(Image.open('d:/lena.jpg')) #打開圖像并轉(zhuǎn)化為數(shù)字矩陣

plt.figure("dog")

plt.imshow(img)

plt.axis('off')

plt.show()

調(diào)用numpy中的array（）函數(shù)就可以將PIL對象轉(zhuǎn)換為數(shù)組對象。

查看圖片信息，可用如下的方法：

printimg.shapeprintimg.dtypeprintimg.sizeprint type(img)

如果是RGB圖片，那么轉(zhuǎn)換為array之后，就變成了一個rows*cols*channels的三維矩陣,因此，我們可以使用

img[i,j,k]

來訪問像素值。

例1：打開圖片，并隨機添加一些椒鹽噪聲

from PIL importImageimportnumpy as npimportmatplotlib.pyplot as plt

img=np.array(Image.open('d:/ex.jpg'))#隨機生成5000個椒鹽

rows,cols,dims=img.shapefor i in range(5000):

x=np.random.randint(0,rows)

y=np.random.randint(0,cols)

img[x,y,:]=255plt.figure("beauty")

plt.imshow(img)

plt.axis('off')

plt.show()

例2：將lena圖像二值化，像素值大于128的變?yōu)?，否則變?yōu)?

from PIL importImageimportnumpy as npimportmatplotlib.pyplot as plt

img=np.array(Image.open('d:/pic/lena.jpg').convert('L'))

rows,cols=img.shapefor i inrange(rows):for j inrange(cols):if (img[i,j]<=128):

img[i,j]=0else:

img[i,j]=1plt.figure("lena")

plt.imshow(img,cmap='gray')

plt.axis('off')

plt.show()

如果要對多個像素點進行操作，可以使用數(shù)組切片方式訪問。切片方式返回的是以指定間隔下標訪問 該數(shù)組的像素值。下面是有關(guān)灰度圖像的一些例子：

img[i,:] = im[j,:] #將第 j 行的數(shù)值賦值給第 i 行

img[:,i]= 100 #將第 i 列的所有數(shù)值設(shè)為 100

img[:100,:50].sum() #計算前 100 行、前 50 列所有數(shù)值的和

img[50:100,50:100] #50~100 行，50~100 列（不包括第 100 行和第 100 列）

img[i].mean()#第 i 行所有數(shù)值的平均值

img[:,-1] #最后一列

img[-2,:] (or im[-2]) #倒數(shù)第二行

總結(jié)

以上是生活随笔為你收集整理的python找出在原图中的位置_用python简单处理图片（4）：图像中的像素访问的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。