图像识别的前期工作——使用pillow进行图像处理

pillow是个很好用的python图像处理库，可以到官方网站下载最新的文件。如果官网的任何PIL版本都不能与自己的python版本对应，或安装成功后发现运行出错，可以尝试从一个非官方的whl网站下载：http://www.lfd.uci.edu/~gohlke/pythonlibs/#scipy 
这个网站的内容相当丰富，而且版本齐全。

打开图片

from PIL import Image
import matplotlib.pyplot as plt

img = Image.open('girl.png')
img.show()

控制台显示：size=(461, 603), mode=RGBA, format=PNG

代码很简单，但PIL使用操作系统的默认方式打开图片，我们需要用一些更牛叉的方式打开：

from PIL import Image
import matplotlib.pyplot as plt

img = Image.open('girl0.png')
model = img.convert('L')
plt.figure("girl")
#the argument comp is Colormap
plt.imshow(model, cmap='pink')
plt.show()

1 (1-bit pixels, black and white, stored with one pixel per byte)
L (8-bit pixels, black and white)
P (8-bit pixels, mapped to any other mode using a colour
4000
palette)
RGB (3x8-bit pixels, true colour)
RGBA (4x8-bit pixels, true colour with transparency mask)
CMYK (4x8-bit pixels, colour separation)
YCbCr (3x8-bit pixels, colour video format)
I (32-bit signed integer pixels)
F (32-bit floating point pixels)

分离rgba

　　rgb指红绿蓝光色三原色，a指alpha通道，一般用作不透明度参数



img = Image.open('girl0.png')

# 分离rgba
r, g, b, a = img.split()
plt.figure("girl0")
plt.imshow(r)
plt.show()

 

需要注意的是，并非所有图片都有alpha通道，此时 img.split()仅能返回r,g,b

显示多个图片

from PIL import Image
import matplotlib.pyplot as plt

img = Image.open('girl0.png')
gray = img.convert('L')
# 分离rgba
r, g, b, a = img.split()
plt.figure("girl")

def setPlot(num, title):
#subplot(nrows, ncols, plot_number)
#图表的整个绘图区域被等分为numRows行和numCols列，然后按照从左到右、从上到下的顺序对每个区域进行编号，左上区域的编号为1
plt.subplot(2, 3, num)
plt.title(title)
plt.axis('off')

setPlot(1, 'origin')
plt.imshow(img)

setPlot(2, 'gray')
plt.imshow(gray, cmap='gray')

setPlot(3, 'rgba')
# 合并rgba
plt.imshow(Image.merge('RGBA', (r, g, b, a)))

setPlot(4, 'r')
plt.imshow(r)

setPlot(5, 'g')
plt.imshow(g)

setPlot(6, 'b')
plt.imshow(b)

二值化处理

到了关键时刻

from PIL import Image
import matplotlib.pyplot as plt

#二值化处理
img = Image.open('girl0.png')
gray = img.convert('L')

WHITE, BLACK = 1, 0
img_new = gray.point(lambda x: WHITE if x > 128 else BLACK)
plt.imshow(img_new, cmap='gray')
plt.show()

　　图片由像素组成，每个像素对应着rgb值，整个图片可以看成一个矩阵。我们将大于128的像素点转换为1，其它转换为0。如果有一张背景色是彩色的手写文字，经过二值化处理后得到这样的图片：

图片压缩

如果图片大小不一，不利于下一步工作，在此需要将图片压缩成统一大小，对于手写数字，可将其压缩为32*32

#等比例压缩图片
#参考 http://fc-lamp.blog.163.com/blog/static/174566687201282424018946/ def resizeImg(**args):
#dst_w,dst_h  目标图片大小,  save_q  图片质量
args_key = {'ori_img':'', 'dst_img':'', 'dst_w':'', 'dst_h':'', 'save_q':75}
arg = {}
for key in args_key:
if key in args:
arg[key] = args[key]

im = Image.open(arg['ori_img'])
ori_w, ori_h = im.size
widthRatio = heightRatio = None
ratio = 1
if (ori_w and ori_w > arg['dst_w']) or (ori_h and ori_h > arg['dst_h']):
if arg['dst_w'] and ori_w > arg['dst_w']:
widthRatio = float(arg['dst_w']) / ori_w
if arg['dst_h'] and ori_h > arg['dst_h']:
heightRatio = float(arg['dst_h']) / ori_h

if widthRatio and heightRatio:
if widthRatio < heightRatio:
ratio = widthRatio
else:
ratio = heightRatio

if widthRatio and not heightRatio:
ratio = widthRatio
if heightRatio and not widthRatio:
ratio = heightRatio

newWidth = int(ori_w * ratio)
newHeight = int(ori_h * ratio)
else:
newWidth = ori_w
newHeight = ori_h

im.resize((newWidth, newHeight), Image.ANTIALIAS).save(arg['dst_img'], quality=arg['save_q'])

 　　 可以将二值化处理后的图片打印出来

resizeImg(ori_img='7.jpg', dst_img='7_1.jpg', dst_w=32, dst_h=32, save_q=60)

#二值化处理
img = Image.open('7_1.jpg')
gray = img.convert('L')

WHITE, BLACK = 1, 0
img_new = gray.point(lambda x: WHITE if x > 128 else BLACK)
arr = nmp.array(img_new)

for i in range(arr.shape[0]):
print(arr[i].flatten())

 　　于是手写数字变成了这样：



　　这就好玩了。其基本思路是将多维特征转换为容易识别的二维特征，使用KNN或神经网络等方法进行学习，从而使计算机识别出正确的数字。后续文章将会介绍如何设别。

 

参考文献：
http://fc-lamp.blog.163.com/blog/static/174566687201282424018946