python數字圖像處理之圖像的批量處理

Posted on by

正文

有些時候，我們不僅要對一張圖片進行處理，可能還會對一批圖片處理。這時候，我們可以通過循環來執行處理，也可以調用程序自帶的圖片集合來處理。

圖片集合函數

skimage.io.ImageCollection(load_pattern,load_func=None)

這個函數是放在io模塊內的，帶兩個參數，第一個參數load_pattern, 表示圖片組的路徑，可以是一個str字符串。第二個參數load_func是一個回調函數，我們對圖片進行批量處理就可以通過這個回調函數實現。回調函數默認為imread(),即默認這個函數是批量讀取圖片。

先看一個例子：

import skimage.io as io
from skimage import data_dir
str=data_dir + '/*.png'
coll = io.ImageCollection(str)
print(len(coll))

顯示結果為25, 說明系統自帶瞭25張png的示例圖片，這些圖片都讀取瞭出來，放在圖片集合coll裡。如果我們想顯示其中一張圖片，則可以在後加上一行代碼：

io.imshow(coll[10])

顯示為：

批量讀取

如果一個文件夾裡，我們既存放瞭一些jpg格式的圖片，又存放瞭一些png格式的圖片，現在想把它們全部讀取出來，該怎麼做呢?

import skimage.io as io
from skimage import data_dir
str='d:/pic/*.jpg:d:/pic/*.png'
coll = io.ImageCollection(str)
print(len(coll))

註意這個地方'd:/pic/*.jpg:d:/pic/*.png' ，是兩個字符串合在一起的，

第一個是'd:/pic/*.jpg',

第二個是'd:/pic/*.png' ，

合在一起後，中間用冒號來隔開，這樣就可以把d:/pic/文件夾下的jpg和png格式的圖片都讀取出來。

如果還想讀取存放在其它地方的圖片，也可以一並加進去，隻是中間同樣用冒號來隔開。

io.ImageCollection()這個函數省略第二個參數，就是批量讀取。如果我們不是想批量讀取，而是其它批量操作，如批量轉換為灰度圖，那又該怎麼做呢？

批量轉換為灰度圖

那就需要先定義一個函數，然後將這個函數作為第二個參數，如：

from skimage import data_dir,io,color
def convert_gray(f):
    rgb=io.imread(f)
    return color.rgb2gray(rgb)
str=data_dir+'/*.png'
coll = io.ImageCollection(str,load_func=convert_gray)
io.imshow(coll[10])

這種批量操作對視頻處理是極其有用的，因為視頻就是一系列的圖片組合

from skimage import data_dir,io,color
class AVILoader:
    video_file = 'myvideo.avi'
    def __call__(self, frame):
        return video_read(self.video_file, frame)
avi_load = AVILoader()
frames = range(0, 1000, 10) # 0, 10, 20, ...
ic =io.ImageCollection(frames, load_func=avi_load)

這段代碼的意思，就是將myvideo.avi這個視頻中每隔10幀的圖片讀取出來，放在圖片集合中。

得到圖片集合以後，我們還可以將這些圖片連接起來，構成一個維度更高的數組，連接圖片的函數為：

skimage.io.concatenate_images(ic)

帶一個參數，就是以上的圖片集合，如：

from skimage import data_dir,io,color
coll = io.ImageCollection('d:/pic/*.jpg')
mat=io.concatenate_images(coll)

使用concatenate_images(ic)函數的前提是讀取的這些圖片尺寸必須一致，否則會出錯。我們看看圖片連接前後的維度變化：

from skimage import data_dir,io,color
coll = io.ImageCollection('d:/pic/*.jpg')
print(len(coll))      #連接的圖片數量
print(coll[0].shape)   #連接前的圖片尺寸，所有的都一樣
mat=io.concatenate_images(coll)
print(mat.shape)  #連接後的數組尺寸

顯示結果：

2
(870, 580, 3)
(2, 870, 580, 3)

可以看到，將2個3維數組，連接成瞭一個4維數組

如果我們對圖片進行批量操作後，想把操作後的結果保存起來，也是可以辦到的。

批量保存

例：把系統自帶的所有png示例圖片，全部轉換成256*256的jpg格式灰度圖，保存在d:/data/文件夾下

改變圖片的大小，我們可以使用tranform模塊的resize()函數，後續會講到這個模塊。

from skimage import data_dir,io,transform,color
import numpy as np
def convert_gray(f):
     rgb=io.imread(f)    #依次讀取rgb圖片
     gray=color.rgb2gray(rgb)   #將rgb圖片轉換成灰度圖
     dst=transform.resize(gray,(256,256))  #將灰度圖片大小轉換為256*256
     return dst
str=data_dir+'/*.png'
coll = io.ImageCollection(str,load_func=convert_gray)
for i in range(len(coll)):
    io.imsave('d:/data/'+np.str(i)+'.jpg',coll[i])  #循環保存圖片

 結果：

以上就是python數字圖像處理之圖像的批量處理的詳細內容，更多關於python數字圖像批量處理的資料請關註WalkonNet其它相關文章！

推薦閱讀：