Python OpenCV存储图像使用的是Numpy存储,所以可以将Numpy当做图像类型操作,操作之前还需进行类型转换,转换到int8类型
import cv2 import numpy as np # 使用numpy方式创建一个二维数组 img = np.ones((100,100)) # 转换成int8类型 img = np.int8(img) # 颜色空间转换,单通道转换成多通道, 可选可不选 img = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR) cv2.imwrite("demo.jpg", img)
补充知识:Python中读取图片并转化为numpy.ndarray()数据的6种方式
方式: 返回类型
OpenCV np.ndarray
PIL PIL.JpegImagePlugin.JpegImageFile
keras.preprocessing.image PIL.JpegImagePlugin.JpegImageFile
Skimage.io np.ndarray
matplotlib.pyplot np.ndarray
matplotlib.image np.ndarray
import numpy as np import cv2 from keras.preprocessing.image import ImageDataGenerator, array_to_img, img_to_array, load_img from PIL import Image import skimage.io as io import matplotlib.pyplot as plt import matplotlib.image as mpig ''' 方式: 返回类型 OpenCV np.ndarray PIL PIL.JpegImagePlugin.JpegImageFile keras.preprocessing.image PIL.JpegImagePlugin.JpegImageFile Skimage.io np.ndarray matplotlib.pyplot np.ndarray matplotlib.image np.ndarray ''' imagePath="E:/DataSet/test1/trainSet/bus/300.jpg" ''' 方式一:使用OpenCV ''' img1=cv2.imread(imagePath) print("img1:",img1.shape) print("img1:",type(img1)) print("-"*10) ''' 方式二:使用PIL ''' img2=Image.open(imagePath) print("img2:",img2) print("img2:",type(img2)) #转换成np.ndarray格式 img2=np.array(img2) print("img2:",img2.shape) print("img2:",type(img2)) print("-"*10) ''' 方式三:使用keras.preprocessing.image ''' img3=load_img(imagePath) print("img3:",img3) print("img3:",type(img3)) #转换成np.ndarray格式,使用np.array(),或者使用keras里的img_to_array() #使用np.array() #img3=np.array(img2) #使用keras里的img_to_array() img3=img_to_array(img3) print("img3:",img3.shape) print("img3:",type(img3)) print("-"*10) ''' 方式四:使用Skimage.io ''' img4=io.imread(imagePath) print("img4:",img4.shape) print("img4:",type(img4)) print("-"*10) ''' 方式五:使用matplotlib.pyplot ''' img5=plt.imread(imagePath) print("img5:",img5.shape) print("img5:",type(img5)) print("-"*10) ''' 方式六:使用matplotlib.image ''' img6=mpig.imread(imagePath) print("img6:",img6.shape) print("img6:",type(img6)) print("-"*10)
运行结果:
Using TensorFlow backend. img1: (256, 384, 3) img1: <class 'numpy.ndarray'> ---------- img2: <PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=384x256 at 0x249608A8C50> img2: <class 'PIL.JpegImagePlugin.JpegImageFile'> img2: (256, 384, 3) img2: <class 'numpy.ndarray'> ---------- img3: <PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=384x256 at 0x2496B5A23C8> img3: <class 'PIL.JpegImagePlugin.JpegImageFile'> img3: (256, 384, 3) img3: <class 'numpy.ndarray'> ---------- img4: (256, 384, 3) img4: <class 'numpy.ndarray'> ---------- img5: (256, 384, 3) img5: <class 'numpy.ndarray'> ---------- img6: (256, 384, 3) img6: <class 'numpy.ndarray'> ----------
以上这篇Python OpenCV中的numpy与图像类型转换操作就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
RTX 5090要首发 性能要翻倍!三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。
据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。
更新日志
- 凤飞飞《我们的主题曲》飞跃制作[正版原抓WAV+CUE]
- 刘嘉亮《亮情歌2》[WAV+CUE][1G]
- 红馆40·谭咏麟《歌者恋歌浓情30年演唱会》3CD[低速原抓WAV+CUE][1.8G]
- 刘纬武《睡眠宝宝竖琴童谣 吉卜力工作室 白噪音安抚》[320K/MP3][193.25MB]
- 【轻音乐】曼托凡尼乐团《精选辑》2CD.1998[FLAC+CUE整轨]
- 邝美云《心中有爱》1989年香港DMIJP版1MTO东芝首版[WAV+CUE]
- 群星《情叹-发烧女声DSD》天籁女声发烧碟[WAV+CUE]
- 刘纬武《睡眠宝宝竖琴童谣 吉卜力工作室 白噪音安抚》[FLAC/分轨][748.03MB]
- 理想混蛋《Origin Sessions》[320K/MP3][37.47MB]
- 公馆青少年《我其实一点都不酷》[320K/MP3][78.78MB]
- 群星《情叹-发烧男声DSD》最值得珍藏的完美男声[WAV+CUE]
- 群星《国韵飘香·贵妃醉酒HQCD黑胶王》2CD[WAV]
- 卫兰《DAUGHTER》【低速原抓WAV+CUE】
- 公馆青少年《我其实一点都不酷》[FLAC/分轨][398.22MB]
- ZWEI《迟暮的花 (Explicit)》[320K/MP3][57.16MB]