使用numpy处理图片——基础操作

numpy是一款非常优秀的处理多维数组的Python基础包。在现实中，我们最经常接触的多维数组相关的场景就是图像处理。本系列将通过若干篇对图像处理相关的探讨，来介绍numpy的使用方法，以获得直观的体验。 本系列使用的照片使用的是RGBA色彩空间模型，即一个像素点，要通过R（Red红色）、G（Green绿色）、B（Blue蓝色）和A（Alpha通道）组成。前三种三原色比较好理解，即一个颜色可以通过红绿蓝三种颜色组成；Alpha则是代表透明度，0代表完全透明，255代表完全不透明，中间的数值则代表相应程度的半透明。

在这里插入图片描述

请添加图片描述

请添加图片描述

可以看到Alpha 255的图片，背景是白色的，且是不透明的；而Alpha 0背景区域是完全透明。 一张图片，我们看成是一个像素组成的二维数组；

在这里插入图片描述

如果每个像素用RGBA表示，则演变成一个三维数组。只是之前的每个元素变成了一个长度为4的维度。

准备工作

下面是一张960*1536，背景色是白色，完全不透明的图片——example.png。后面我们将针对这张图片做相关处理。

请添加图片描述

为了能读取图片，我们需要安装另外一个python包

pip3 install pillow

图片像素大小

如果翻译成numpy相关的知识，就是获取数组的大小。这儿我们要使用shape属性。

from PIL import Image
import numpy as np
img = Image.open('example.png')
data = np.array(img)
print(data.shape)

(960, 1536, 4)

可以见得我们将图片变成了一个3维数组：960表示高度，1536表示宽度，4表示深度。

在这里插入图片描述

修改透明度

如果翻译成numpy相关的知识，就是修改数组中第三个维度（RGBA）的第四个位置（A）的值。

from PIL import Image
import numpy as np
img = Image.open('example.png')
data = np.array(img)

data[:,:,3]= 32

newImg = Image.fromarray(data)
newImg.save('alpha32.png')

上面代码将Alpha通道值改成了32，即一种半透明状态。 代码的第6行，第一个“:”表示所有的第一维度（高），第二个“:”表示所有的第二维度（宽），3表示Alpha通道所在的RGBA中的下标。 这种写法，比逐个遍历数据要方便的多。

请添加图片描述