北京网站排名优化,久久建筑网下载教程,博客网站,怎么做网页连接数据库显示信息文章目录 概要读入图像改变单个通道黑白特效颜色反转将图像拆分成四个子部分 概要
Python是一种功能强大的编程语言#xff0c;也是图像处理领域中常用的工具之一。通过使用Python的图像处理库#xff08;例如Pillow、OpenCV等#xff09;#xff0c;开发者可以实现各种各… 文章目录 概要读入图像改变单个通道黑白特效颜色反转将图像拆分成四个子部分 概要
Python是一种功能强大的编程语言也是图像处理领域中常用的工具之一。通过使用Python的图像处理库例如Pillow、OpenCV等开发者可以实现各种各样的图像特效。这些特效包括但不限于滤镜效果如黑白、模糊、锐化等、颜色转换、边缘检测、形状识别、图像合成和增强现实效果等。
在Python中可以使用各种算法和技术来处理图像例如卷积操作、颜色空间转换、形态学操作等。通过这些技术开发者可以创建出令人惊叹的图像特效用于美化照片、设计艺术作品、实现计算机视觉应用等。
图像处理的过程通常包括图像的读取、处理和保存。Python提供了简单而灵活的API使得这些操作变得容易。开发者可以加载图像对其进行各种操作然后保存处理后的图像以便后续使用或展示。
读入图像
# 导入Pillow库中的Image模块
from PIL import Image# 打开名为landscape.jpg的图像文件
img Image.open(./landscape.jpg)# 获取图像的宽度和高度
width, height img.size
print(图像宽度:, width, 图像高度:, height)# 遍历图像的每个像素点
for x in range(0, height):for y in range(0, width):# 获取当前像素点的红色r、绿色g、蓝色b通道的像素值(r, g, b) img.getpixel((x, y))# 打印每个像素点的RGB值print(像素点 (x:, x, , y:, y, ) 的RGB值: (R:, r, , G:, g, , B:, b, ))
在以上代码片段中我们使用了Python的Pillow库来进行图像处理。首先我们打开了名为landscape.jpg的样例图像并获取了图像的宽度和高度。接着我们使用嵌套的循环遍历图像的所有像素点。在每个像素点我们使用getpixel((x, y))方法获取了红色r、绿色g、蓝色b三个通道的像素值。
通过这个嵌套循环我们可以逐个打印出图像中每个像素的RGB值从而了解图像的构成。这种方式可以作为图像处理的基础为后续的图像处理操作提供了基础数据。这样的操作使得我们能够更深入地了解图像为后续的图像处理任务提供了必要的信息。 报错;
D:\anaconda\envs\yolov5\python.exe E:\yolo项目\Opencv-project-main\Opencv-project-main\CVZone\guangliu\33.py
图像宽度: 938 图像高度: 613
Traceback (most recent call last):File E:\yolo项目\Opencv-project-main\Opencv-project-main\CVZone\guangliu\33.py, line 15, in module(r, g, b) img.getpixel((x, y))
ValueError: too many values to unpack (expected 3)Process finished with exit code 1 解决办法一 错误提示表明在(r, g, b) img.getpixel((x, y))这一行代码中getpixel((x, y))返回的值不是期望的3个像素通道值红、绿、蓝而是更多的值因此Python无法将这些值正确地分配给(r, g, b)。这种情况通常发生在图像模式mode不是RGB模式的时候。 可以在处理图像之前将图像转换为RGB模式。
# 将图像转换为RGB模式
img img.convert(RGB)修改代码为
# 导入Pillow库中的Image模块
from PIL import Image# 打开名为landscape.jpg的图像文件
img Image.open(img_1.png)# 将图像转换为RGB模式
img img.convert(RGB)# 获取图像的宽度和高度
width, height img.size
print(图像宽度:, width, 图像高度:, height)# 遍历图像的每个像素点
for x in range(0, height):for y in range(0, width):# 获取当前像素点的红色r、绿色g、蓝色b通道的像素值(r, g, b) img.getpixel((x, y))# 打印每个像素点的RGB值print(像素点 (x:, x, , y:, y, ) 的RGB值: (R:, r, , G:, g, , B:, b, ))
结果
解决办法二 修改传递参数即可 将三个传递参数添加第四个d即可解决问题。
(r, g, b,d) img.getpixel((x, y))完整代码
# 导入Pillow库中的Image模块
from PIL import Image# 打开名为landscape.jpg的图像文件
img Image.open(img_1.png)# 获取图像的宽度和高度
width, height img.size
print(图像宽度:, width, 图像高度:, height)# 遍历图像的每个像素点
for x in range(0, height):for y in range(0, width):# 获取当前像素点的红色r、绿色g、蓝色b通道的像素值(r, g, b,d) img.getpixel((x, y))# 打印每个像素点的RGB值print(像素点 (x:, x, , y:, y, ) 的RGB值: (R:, r, , G:, g, , B:, b, ))结果依旧
改变单个通道
首先使用Pillow库打开了名为landscape.jpg的图像文件。然后我们获取了图像的宽度和高度并创建了一个新的图像对象new_img它具有相同的大小。接着我们使用嵌套的循环遍历原始图像的每个像素点。
在每个像素点我们使用img.getpixel((col, row))获取红、绿、蓝三个通道的像素值。然后我们将原始图像的绿色通道的像素值增加了50创建了一个新的颜色。这个新颜色包含了原始红色通道的值r绿色通道的值增加了50g50和原始蓝色通道的值b。最后我们使用new_img.putpixel((col, row), (r, g 50, b))将修改后的像素值放入新图像对象中。
# 导入Pillow库中的Image模块
from PIL import Image# 打开名为landscape.jpg的图像文件
img Image.open(img_1.png)# 获取图像的宽度和高度
width, height img.size
print(原始图像宽度:, width, 图像高度:, height)# 创建一个新的RGB模式的图像对象具有相同的大小
new_img Image.new(RGB, (width, height))# 遍历原始图像的每个像素点
for row in range(0, height):for col in range(0, width):# 获取当前像素点的红色r、绿色g、蓝色b通道的像素值(r, g, b) img.getpixel((col, row))# 修改绿色通道的像素值增加50new_green g 50# 将修改后的像素值放入新图像对象中new_img.putpixel((col, row), (r, new_green, b))# 将修改后的图像保存为landscape_edited.png文件
new_img.save(landscape_edited1.png)# 打印提示信息
print(图像处理完成并保存为landscape_edited.png)
报错依旧 按照上述方法二选一即可解决报错问题我用添加的方法二避免报错。 完整代码
# 导入Pillow库中的Image模块
from PIL import Image# 打开名为landscape.jpg的图像文件
img Image.open(img_1.png)# 获取图像的宽度和高度
width, height img.size
print(原始图像宽度:, width, 图像高度:, height)# 创建一个新的RGB模式的图像对象具有相同的大小
new_img Image.new(RGB, (width, height))# 遍历原始图像的每个像素点
for row in range(0, height):for col in range(0, width):# 获取当前像素点的红色r、绿色g、蓝色b通道的像素值(r, g, b,d) img.getpixel((col, row))# 修改绿色通道的像素值增加50new_green g 50# 将修改后的像素值放入新图像对象中new_img.putpixel((col, row), (r, new_green, b,d))# 将修改后的图像保存为landscape_edited.png文件
new_img.save(landscape_edited1.png)# 打印提示信息
print(图像处理完成并保存为landscape_edited.png)
结果 这里也放方法一的结果 依然可以完成这样的结果。
黑白特效
为了实现基本的黑白特效我们必须确保所有3个通道都具有相同的值。
让我们再次迭代每个像素并计算三个通道像素值的平均值
# 导入Pillow库中的Image模块
from PIL import Image# 打开图片文件
img Image.open(img_1.png)
# 将图像转换为RGB模式
img img.convert(RGB)
# 获取图片的宽度和高度
width, height img.size# 输出图片的宽度和高度
print(原始图片大小, width, height)# 创建一张新的RGB模式的图片大小与原始图片相同
new_img Image.new(RGB, (width, height))# 遍历原始图片的每个像素
for row in range(0, height):for col in range(0, width):# 获取当前像素点的RGB颜色值(r, g, b) img.getpixel((col, row))# 计算RGB三个通道的平均值将像素点转换为灰度avg int((r g b) / 3)# 在新图片上设置当前像素点的颜色为灰度值实现黑白效果new_img.putpixel((col, row), (avg, avg, avg))# 将处理后的黑白图片保存为landscape_black_and_white.jpg
new_img.save(landscape_black_and_white.jpg)# 输出处理后的图片保存成功的消息
print(黑白图片已保存为landscape_black_and_white.jpg) 颜色反转
看懂了上述代码那么颜色反转的实现现在应该会很简单
简单来说。我们的目标是将黑色像素000转换为白色像素255255255。 from PIL import Imageimg Image.open(img_1.png)
# 将图像转换为RGB模式
img img.convert(RGB)
width, height img.size
print(width, height)new_img Image.new(RGB, (width, height))
for row in range(0, height):for col in range(0, width):(r, g, b) img.getpixel((col, row))inverted_pixel (255 - r, 255-g, 255-b)new_img.putpixel((col, row), inverted_pixel)
new_img.save(landscape_edited.jpg)将图像拆分成四个子部分
from PIL import Imageimg Image.open(img_1.png)
# 将图像转换为RGB模式
img img.convert(RGB)
width, height img.size
print(width, height)new_img Image.new(RGB, (width, height))for row in range(0, height):for col in range(0, width):(r, g, b) img.getpixel((col, row))if col width * 0.25:(r, g, b) (r, g, b)elif col width * 0.5:avg int((r g b) / 3)(r, g, b) (avg, avg, avg)elif col width * 0.75:(r, g, b) (r, g 50, b)else:(r, g, b) (255 - r, 255 - g, 255 - b)new_img.putpixel((col, row), (r, g, b))new_img.save(landscape_edited.jpg)小结 机器学习报错解决2——ValueError: too many values to unpack (expected 3) 这个文章里面的东西被参考我用来做方法二可以说有点用但是方法一是最好的办法避免方法二的传参问题如果有参数传递错误或者是版本问题导致库的传参问题可以使用方法二 。
