Numpy 将图像转换为矩阵

在计算机视觉领域，图像处理是最常见的任务之一。针对图像处理中的很多问题，将图像转换为矩阵是一个常见的方法。这种方法不仅方便处理图像，而且可以使用很多数学工具来处理图像。在本文中，我们将探索如何使用numpy将图像转换为矩阵。

阅读更多：Numpy 教程

环境设置

在开始之前，我们需要安装一些 Python 库。我们将使用 numpy 和 opencv-python 来打开和显示图像。你可以在控制台中使用以下命令来安装这些库：

pip install numpy opencv-python

这个命令将会安装 numpy 和 opencv-python。这两个库将会帮助我们在 Python 中完成图像转换。

导入库

首先，我们需要导入 numpy 和 opencv-python。接下来我们将使用这两个库来加载和显示图像。在 Python 中，我们可以使用以下代码引入这些库。

import numpy as np
import cv2
from matplotlib import pyplot as plt

• numpy 是用于处理和运算数组的 Python 库。我们将使用它来操作我们的图像。
• opencv-python 是opencv计算机视觉库的Python接口。我们将使用它来加载和显示图像。
• matplotlib 是Python 2D绘图库，我们将使用它来显示我们的图像。

加载图像

我们可以使用 opencv-python 的 imread() 方法来加载图像。该方法接收图像路径作为输入，并返回包含图像像素值的 numpy 数组。例如，我们可以像这样加载图像：

img = cv2.imread('sample_image.jpg')

在这个例子中，我们从硬盘中加载了一张名为 sample_image.jpg 的图像。该图像被存储为 numpy 数组 img，我们现在可以使用 numpy 数组 img 来操作它了。

图像转换为矩阵

使用 numpy 数组表示图像是一种将图像转换为矩阵的常见方法。在本例中，我们可以将图像转换为矩阵并打印矩阵的形状。 代码如下：

img = cv2.imread('sample_image.jpg',0)
print(img.shape)

在这个例子中，我们通过 imread() 方法将图像加载到 numpy 数组中。习惯上，我们将图像加载为灰度图（黑和白的图像）。如此一来，我们将使用的矩阵将是一个二维矩阵（行和列），但是，如果我们加载了一个常规图像，则会生成一个三维矩阵（行、列和通道）。

显示图像

使用 matplotlib 库，我们可以将图像显示在屏幕上。通过调用 imshow() 方法，我们可以查看输入 numpy 数组 img 中的图像。例如，下面是一个显示图像的示例代码：

plt.imshow(img, cmap='gray', interpolation='bicubic')
plt.xticks([]), plt.yticks([])  # 隐藏 x 轴和 y 轴
plt.show()

在这个例子中，我们首先使用 plt.imshow() 方法来指定数组 img 中的图像。我们还使用 cmap=’gray’ 来指定我们将要查看的是灰度图像。接下来，我们使用 plt.xticks([]) 和 plt.yticks([]) 方法来隐藏 x 轴和 y 轴。

修改图片大小

有时候，我们需要将图像大小修改为一个新的大小。我们可以使用 cv2.resize() 方法来修改图像的大小。例如，我们可以使用以下代码将图像从 150×150 重置为 200×200：

resized_img = cv2.resize(img, (200,200))
plt.imshow(resized_img)
plt.show()

在这个例子中，我们使用 resize() 方法将原始图像 img 修改为一个新的大小 (200×200)。修改完成后，我们使用 plt.imshow() 显示修改后的图像。

获取图像像素

使用 numpy 数组表示的图像可以使用类似于常规矩阵的方法来访问和修改像素值。我们可以使用以下代码来访问一个像素的值：

pixel_value = img[100, 50]

在这个例子中，我们可以在第 100 行和第 50 列处访问图像的像素值。请注意，这个值是在灰度图像中取的，如果你在彩色图像中获取像素值，则会有三个像素值（每个通道一个）。

我们还可以使用同样的方法来修改像素的值。例如，下面的代码将更改像素 (100, 50) 的值：

img[100, 50] = 255

以上代码将 (100, 50) 像素的值更改为 255。这是将像素强制为最大值的一种方法。在实践中，我们可能需要更复杂的方式来修改像素的值。

像素坐标轴顺序

需要注意的是，由于图像是一个数组，因此通常，其坐标系顺序与习惯的坐标系顺序相反。在习惯的坐标系中，x 轴是水平的，y 轴是垂直的。但在表示图像的数组中，第一维代表行，第二维代表列。因此，与习惯的坐标系相比，数组的轴是倒过来的。

总结

在本文中，我们学习如何使用 numpy 将图像转换为矩阵。我们使用 opencv-python 库加载和显示图像。我们还查看了如何访问和修改图像的像素值。最后，我们还学习了如何使用 cv2.resize() 方法将图像大小修改为新的大小。随着这项技能的掌握，我们成功地将转换图像。

这只是使用 numpy 转换图像的一种方法。使用 numpy 数组还可以使用各种数学工具来处理和分析图像。希望这篇文章对你有用。