京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者:小伍哥
来源:AI入门学习
python进行图片处理,第一步就是读取图片,这里给大家整理了6种图片的读取方式,并将读取的图片装换成numpy.ndarray()格式。
首先需要准备一张照片,假如你有女朋友的话,可以用女朋友的,没有的话,那还学啥python,赶紧找对象去吧!
图片路径:dirpath = "C:/Users/wuzhengxiang/Desktop/beatgirl.jpg"
一、OpenCV读取图片
OpenCV读取的图片,直接就是numpy.ndarray格式,无需转换
import cv2
img_cv = cv2.imread(dirpath)#读取数据
print("img_cv:",img_cv.shape)
img_cv: (1856, 2736, 3)
print("img_cv:",type(img_cv))
img_cv: numpy.ndarray'="">
#看下读取的数据怎么样
img_cv
array([[[ 0, 3, 0],
[ 11, 20, 17],
...,
[ 5, 23, 16]],
[[ 0, 2, 0],
...,
[ 5, 23, 16]]]
二、PIL读取图片
PIL读取的图片并不是直接的numpy.ndarray格式,需要进行转换
from PIL import Image import numpy as np img_PIL = Image.open(dirpath)#读取数据 print("img_PIL:",img_PIL) img_PIL:print("img_PIL:",type(img_PIL)) img_PIL: #将图片转换成np.ndarray格式 img_PIL = np.array(img_PIL) print("img_PIL:",img_PIL.shape) img_PIL: (1856, 2736, 3) print("img_PIL:",type(img_PIL)) img_PIL: numpy.ndarray<="" pre=""> 三、keras读取图片
keras深度学习的框架,里面也是内置了读取图片的模块,该模块读取的也不是数组格式,需要进行转换。
from keras.preprocessing.image import array_to_img, img_to_array load_imgimg_keras = load_img(dirpath)#读取数据 print("img_keras:",img_keras) img_keras:print("img_keras:",type(img_keras)) img_keras: #使用keras里的img_to_array() img_keras = img_to_array(img_keras) print("img_keras:",img_keras.shape) img_keras: (1856, 2736, 3) print("img_keras:",type(img_keras)) img_keras: numpy.ndarray'=""> #可以使用使用np.array()进行转换 mg_keras= np.array(img_keras) 四、skimage读取图片
scikit-image是基于scipy的一款图像处理包,它将图片作为numpy数组进行处理,读取的数据正好是numpy.ndarray格式。
import skimage.io as io img_io = io.imread(dirpath)#读取数据 print("img_io :",img_io .shape) img_io : (1856, 2736, 3) print("img_io :",type(img_io )) img_io :numpy.ndarray'<="" pre=""> 五、matplotlib.image读取图片
利用matplotlib.image读取的图片,直接就生成了数组格式
import matplotlib.image as mpig
img_mpig = mpig.imread(dirpath)#读取数据 print("img_mpig :",img_mpig .shape) img_mpig : (1856, 2736, 3) print("img_mpig :",type(img_mpig )) img_mpig :numpy.ndarray'<="" pre=""> 六、matplotlib.pyplot读取图片
利用matplotlib.pyplot读取的图片,同样也是直接就生成了数组格式
import matplotlib.pyplot as plt img_plt = plt.imread(dirpath) print("img_plt :",img_plt .shape) img5: (1856, 2736, 3) print("img_plt :",type(img_plt )) img5:numpy.ndarray'=""> 七、显示读取的图片
同样,使用matplotlib 包可以打印出来读取的照片,要打印上述案例中读取的照片,只需要下面两行代码就行了。
plt.imshow(img_plt , cmap=plt.cm.binary)
plt.show()
图片三通道的,打印其中一个通道
plt.imshow(img_plt[:,:,1] , cmap=plt.cm.binary)
plt.show()
当然,我们可以随便构造一个数组,可以显示出来
digit = [[135,26,33,12],[14,27,43,190],[120,124,134,205]]
plt.imshow(digit, cmap=plt.cm.binary)
plt.show()
——热门课程推荐:
想学习PYTHON数据分析与金融数字化转型精英训练营,您可以点击>>>“人才转型”了解课程详情;
想从事业务型数据分析师,您可以点击>>>“数据分析师”了解课程详情;
想从事大数据分析师,您可以点击>>>“大数据就业”了解课程详情;
想成为人工智能工程师,您可以点击>>>“人工智能就业”了解课程详情;
想了解Python数据分析,您可以点击>>>“Python数据分析师”了解课程详情;
想咨询互联网运营,你可以点击>>>“互联网运营就业班”了解课程详情;
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27