数字图像处理—python

pycahem终端也可以下载库，我只会用终端下载,用的镜像网站

pip install torch -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install scikit-image -i https://pypi.tuna.tsinghua.edu.cn/simple.
pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple.

在敲的过程中我深刻体会到了，python代码对缩进要求极高，稍有不慎....

(1)采用均值方法/最大值进行图像模拟采样

将image[i,j,k]=np.mean(delta)修改为image[i,j,k]=np.max(delta)

from skimage import data
from matplotlib import pyplot as plt
import numpy as np  #导入所需类包
image = data.coffee()  #载入测试图像
print(image.shape)  #显示图像原始大小
print(type(image))  #显示图像类型
ratio = 20
image1 = np.zeros((int(image.shape[0]/ratio),
                  int(image.shape[1]/ratio),image.shape[2]),
                  dtype = 'int32')  #设置采样比率
for i in range(image1.shape[0]):
    for j in range(image1.shape[1]):
        for k in range(image1.shape[2]):  #对图像进行遍历
            delta = image[i * ratio:(i + 1)*ratio,j *ratio:(j + 1)*ratio,k]  #获取需要采样的图像块
            image1 [i,j,k] = np.mean(delta)  #计算均值，并存入结果图像  均值进行图像采样
          #image1 [i,j,k] = np.max(delta)最大值进行图像值采样
    plt.imshow(image1)  #打印采样后的图像
    plt.show()

(2)图像量化

from skimage import data
from matplotlib import pyplot as plt
image = data.coffee()  #载入测试图像
ratio = 128
for i in range(image.shape[0]):
    for j in range(image.shape[1]):
        for k in range(image.shape[2]):  #对图像进行遍历
            image [i][j][k] = int(image[i][j][k]/ratio)*ratio  #计算均值，并存入结果图像
plt.imshow(image)  #打印采样后的图像
plt.show()