当前位置：文江博客话题详情

图像像素及其颜色

发布于 2025-02-07 22:31:35 字数 324 浏览 0 评论 0原文

我有一个灰度图像，我想将其分成像素，并确定图像的每个像素中的灰度。需要以以下形式进行数组：（ x，x的像素，y，灰色阴影0-255）。

1,1,25;

1,2,36;

1,3,50; 。。。

50,60,96; 。。。如果图像为500 x 600个点，则最终应该得到 - （500,600，灰度）。

您能告诉我，如何从图像中获取如此多的数据？我需要做什么？我应该使用哪些库？如果有人解决了这样的问题，请举一个例子。非常感谢！

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

你是年少的欢喜 2025-02-14 22:31:35

如果您已经有一个图像文件，则可以这样读取：

from PIL import Image

img = Image.open('/path/to/image.png')

要获得一个数组：

import numpy as np

ima = np.asarray(img)

如果它确实是8位灰度图像，则可以使用image.open（'image.png' ，mode ='l'），但是在任何情况下，您总是可以使用ima [：，：，0]获得红色通道。如果是灰度，则所有频道将相等。

现在，您可以用坐标堆叠这些灰色级别：

h, w, _ = ima.shape
x, y = np.meshgrid(np.arange(w), np.arange(h))
np.dstack([x, y, ima[..., 0]])

If you already have an image file, you can read it like this:

from PIL import Image

img = Image.open('/path/to/image.png')

To get this an an array:

import numpy as np

ima = np.asarray(img)

If it's really an 8-bit greyscale image, you might be able to use Image.open('image.png', mode='L'), but in any case you can always just get the red channel with ima[:, :, 0]. If it's greyscale, all the channels will be equal.

Now you can stack these grey levels with the coordinates:

h, w, _ = ima.shape
x, y = np.meshgrid(np.arange(w), np.arange(h))
np.dstack([x, y, ima[..., 0]])

回复收藏 0 原文

扬花落满肩 2025-02-14 22:31:35

我会这样做：

# random data
np.random.seed(10)
img = np.random.randint(0,256, (500,600))

# coordinates
# np.meshgrid is also a good (better) choice
x, y = np.where(np.ones_like(img))

# put them together
out = np.stack([x,y, img.ravel()], axis=1)

输出：

array([[  0,   0,   9],
       [  0,   1, 125],
       [  0,   2, 228],
       ...,
       [499, 597, 111],
       [499, 598, 128],
       [499, 599,   8]])

I would do this:

# random data
np.random.seed(10)
img = np.random.randint(0,256, (500,600))

# coordinates
# np.meshgrid is also a good (better) choice
x, y = np.where(np.ones_like(img))

# put them together
out = np.stack([x,y, img.ravel()], axis=1)

Output:

array([[  0,   0,   9],
       [  0,   1, 125],
       [  0,   2, 228],
       ...,
       [499, 597, 111],
       [499, 598, 128],
       [499, 599,   8]])

回复收藏 0 原文

~没有更多了~