Numpy 创建图像数组

在Python中，Numpy是处理数值运算的重要库之一。而对于图像处理而言，将图像转化为数组是极为必要的一步。本篇文章将介绍如何使用Numpy创建图像数组。

阅读更多：Numpy 教程

图像数组介绍

图像在计算机中是以数组形式存在的。一个彩色的图像由红、绿、蓝三种基本颜色构成，每种颜色各用一个8位字节表示。因此，图像数组的最小单位就是一个像素（pixel），其大小即为 $3 * 8 = 24$ 位（3个8位字节）。

一个 $M * N$ 的图像数组，其形状为 $(M, N, 3)$ ，其中第三维的大小为3，表示红、绿、蓝三种颜色。如果是黑白图像，则大小为 $(M, N, 1)$ 。

下面我们来通过代码实现一个简单的彩色图像数组。

import numpy as np

M = 20
N = 30
image = np.zeros((M, N, 3), dtype=np.uint8)
# 在第一行红色通道上填充255，即纯红
image[0, :, 0] = 255

上面的代码首先创建了一个 $20 * 30 * 3$ 的图像数组（默认为全黑），然后在第一行的红色通道（第0维）上填充了255，即纯红。使用Matplotlib库将其显示出来：

import matplotlib.pyplot as plt

plt.imshow(image)
plt.show()

加载图像数组

我们可以通过Matplotlib库的imread函数将图片文件加载成图像数组。这里我们可以使用一张猫咪图片作为例子。首先需要下载这张图片（注意使用的是绝对路径）：

from urllib import request
import os
import ssl

# 解决SSL证书不受信的问题
ssl._create_default_https_context = ssl._create_unverified_context

url = 'https://raw.githubusercontent.com/luohuasheng/image-hosting/master/cat.jpg'
path = 'cat.jpg'
if not os.path.exists(path):
    request.urlretrieve(url, path, context=ssl._create_unverified_context())

然后我们可以使用imread将其加载成图像数组：

from matplotlib.image import imread

image = imread('cat.jpg')
print('shape:', image.shape)  # 打印数组形状

运行结果：

shape: (285, 380, 3)

我们可以使用imshow将其显示出来，如下所示：

plt.imshow(image)
plt.show()

创建黑白图像数组

黑白图像只有一种颜色，因此其数组形状为 $(M, N)$ 或者 $(M, N, 1)$ 。我们可以使用np.ones、np.zeros等函数创建全黑或全白的数组。

M = 20
N = 30
image = np.zeros((M, N))
print('shape:', image.shape)  # 打印数组形状
print(image)  # 打印数组内容，全部为0

运行结果：

shape: (20, 30)
[[0. 0. 0. ... 0. 0. 0.]
 [0. 0. 0. ... 0. 0. 0.]
 [0. 0. 0. ... 0. 0. 0.]
 ...
 [0. 0. 0. ... 0. 0. 0.]
 [0. 0. 0. ... 0. 0. 0.]
 [0. 0. 0. ... 0. 0. 0.]

我们也可以将其转化为uint8类型，表示像素值的范围为0到255。

image = np.zeros((M, N), dtype=np.uint8)
print('shape:', image.shape)
print(image)

运行结果：

shape: (20, 30)
[[0 0 0 ... 0 0 0]
 [0 0 0 ... 0 0 0]
 [0 0 0 ... 0 0 0]
 ...
 [0 0 0 ... 0 0 0]
 [0 0 0 ... 0 0 0]
 [0 0 0 ... 0 0 0]]

同样，我们也可以创建全白的数组：

image = np.ones((M, N), dtype=np.uint8) * 255
print('shape:', image.shape)
print(image)

运行结果：

shape: (20, 30)
[[255 255 255 ... 255 255 255]
 [255 255 255 ... 255 255 255]
 [255 255 255 ... 255 255 255]
 ...
 [255 255 255 ... 255 255 255]
 [255 255 255 ... 255 255 255]
 [255 255 255 ... 255 255 255]]

创建彩色图像数组

我们可以使用np.random.randint随机生成每个像素的红、绿、蓝三种颜色的值。下面的代码创建了一张随机的彩色图像：

M = 20
N = 30
image = np.zeros((M, N, 3), dtype=np.uint8)
image[:, :, 0] = np.random.randint(0, 256, size=(M, N))  # 红色通道
image[:, :, 1] = np.random.randint(0, 256, size=(M, N))  # 绿色通道
image[:, :, 2] = np.random.randint(0, 256, size=(M, N))  # 蓝色通道

plt.imshow(image)
plt.show()

图像数组的拼接与切割

我们可以使用np.concatenate函数将两个图像数组拼接成一个。下面的代码将两张猫咪图片水平拼接成一张：

image1 = imread('cat.jpg')
image2 = imread('cat.jpg')
image_h = np.concatenate((image1, image2), axis=1)

plt.imshow(image_h)
plt.show()

我们也可以将其垂直拼接：

image_v = np.concatenate((image1, image2), axis=0)

plt.imshow(image_v)
plt.show()

除了拼接，我们还可以将一张大图像切割成多个小图像。下面的代码将一张 $600 * 600$ 的图像切割成 $3 * 3$ 个小图像：

image = imread('cat.jpg')
M, N, _ = image.shape  # 读取图像形状
M0, N0 = M // 3, N // 3  # 计算每个小图像的形状
images = []  # 保存切割后的图像数组
for i in range(3):
    for j in range(3):
        images.append(image[i * M0:(i + 1) * M0, j * N0:(j + 1) * N0])

fig, axs = plt.subplots(3, 3, figsize=(6, 6))
for i in range(3):
    for j in range(3):
        axs[i, j].imshow(images[i * 3 + j])
plt.show()