金山专业网站建设,科技作品手工,长春seo主管,咸宁企业网络推广方案matplotlib中应知应会numpy存储、交换图像numpy的ndarray是mpl官方推荐的输入数据结构mpl官方推荐绘图时#xff0c;应以numpy的ndarray数据结构输入数据。虽然有时用pandas中的两个数据结构、python的list等数据结构也可以#xff0c;但不能保证都能成功。这是因为numpy的nd…matplotlib中应知应会numpy存储、交换图像numpy的ndarray是mpl官方推荐的输入数据结构mpl官方推荐绘图时应以numpy的ndarray数据结构输入数据。虽然有时用pandas中的两个数据结构、python的list等数据结构也可以但不能保证都能成功。这是因为numpy的ndarray的结构设计天生具有保存、交换、变换图像数据的优势。本篇将一幅image转换为ndarray保存起来再在mpl的fig中读取保存的ndarray并显示出该image并分析ndarray保存image的基本思想。在mpl中很多对象的一些参数设置都要借助ndarray的变换来实现一些绘图效果。因此理解ndarray保存图像对后面学习相关内容非常有帮助。阅读前两篇关于像素和分辨率的文章会让你阅读本篇更轻松。将一幅image存入ndarray仍然以上篇中用到的这幅image为例原图像可以到Python草堂“QQ群下载。img2array.jpg输入如下代码import numpy as npfrom PIL import Imageim_source Image.open(./assets/img2array.jpg) #应该修改成你的image保存的路径im_ar np.array(im_source)np.save(./assets/imgdata.npy,im_ar)# 同样要修改为你保存数据文件的目录im_ar.shape注意上面的代码需要Python的 PIL库的支持上面的代码完成了这么几件事读取了磁盘上的img2array.jpg图像将图像数据转换为数组将数组保存为磁盘文件“imgdata.npy查看了这个数组的形状是(344, 250, 3)ndarray保存图像的方式解析上面的第4个任务显示图像数据被保存在一个(344, 250, 3)的3维数组中。你如果读了上一篇应该记得这个(344, 250)正是该image的像素大小没错numpy就是用这样一个3维数组保存image数据的image高度上的像素个数是ndarray的行数这里是344行image宽度上的像素个数是ndarray的列数这里是255列行列交叉位置就是图像的坐标位置了即每个像素单元格上再用一个有3个元素一维数组表示该像素的颜色 [R, G, B] 值。如下图所示每个格子是一个像素每个格子上的3元素的列表就是该像素上的 [R, G, B] 值。使用im_ar[12][27]检索返回一个array([247, 176, 148]我们就知道第13行第28列上的像素的颜色是 [247, 176, 148]在配色软件上检索这个值[247, 276, 168]numpy就是这样用ndarray保存image的。是不是豁然开朗了读取ndarray显示出图像我将生存的ndarray数据文件放到了Python草堂群文件的DataSets文件中供大家下载。输入如下代码注意这是纯面向对象绘图的代码所以看起来代码比较多但每一步在做什么我都很清楚。from matplotlib.backends.backend_agg import FigureCanvasAggfrom matplotlib.figure import Figure,SubplotParamsimport numpy as npfig Figure(figsize(1.1,1.4), dpi300, facecolor(239/256,239/256,239/256), edgecolor(82/256,101/256,155/256), linewidth2.0, frameonTrue, )canvas FigureCanvasAgg(fig)imgdata np.load(./assets/imgdata.npy,)fig.figimage(imgdata,xo40,yo30,originupper)s, (width, height) canvas.print_to_buffer() from PIL import Imageim Image.frombytes(RGBA
