SciPy中兩個(gè)模塊:io 和misc的使用介紹

data = scipy.io.loadmat('test.mat') 

data = {}  
data['x'] = x  
scipy.io.savemat('test.mat',data) 

from scipy.misc import imsave  
imsave('test.jpg',im) 

lena = scipy.misc.lena() 

from PIL import Image,ImageEnhance     #調(diào)用庫(kù)
 
im = Image.open("E:/testdata/01.jpg")  #打開(kāi)圖片
print (im.format, im.size, im.mode)    #打印圖像信息
'''
  format:圖像屬性，如png，jpeg
  size：圖像分辨率
  mode：
        1     1位像素，黑和白，存成8位的像素
	L	8位像素，黑白
	P	8位像素，使用調(diào)色板映射到任何其他模式
	RGB	3× 8位像素，真彩
	RGBA	4×8位像素，真彩+透明通道
	CMYK	4×8位像素，顏色隔離
	YCbCr	3×8位像素，彩色視頻格式
	I	32位整型像素
	F	32位浮點(diǎn)型像素
'''
new_im = im.convert('L')                       # 將圖像轉(zhuǎn)為其它模式
new_im.save("E:/testdata/02.png")              # 保存圖像，可以改變圖像格式
 
box = (0, 0, 500, 500)                         # 確定拷貝區(qū)域大小(左上角坐標(biāo)，右下角坐標(biāo))
region = im.crop(box)                          # 將im表示的圖片對(duì)象拷貝到region中，大小為box
 
region = im.resize((400, 400),Image.ANTIALIAS) # 改變圖像尺寸
'''
  函數(shù)原型：im.resize(size, filter):
    size：所要求的尺寸，是一個(gè)二元組：（width, height）
    filter：為NEAREST、BILINEAR、BICUBIC或者ANTIALIAS之一
'''
 
im_30 = im.rotate(30, Image.NEAREST,1)         # 圖像逆時(shí)針旋轉(zhuǎn)30度
'''
  函數(shù)原型：im.rotate(angle,filter=NEAREST, expand=0) ? image
    angle：逆時(shí)針旋轉(zhuǎn)的角度值
    filter：NEAREST、BILINEAR或者BICUBIC之一
    expand，如果為true，表示輸出圖像足夠大，可以裝載旋轉(zhuǎn)后的圖像。
            如果為false或者缺省，則輸出圖像與輸入圖像尺寸一樣大。
'''
r,g,b=im.split()                             # 分割成三個(gè)通道，此時(shí)r,g,b分別為三個(gè)圖像對(duì)象。
new_im=Image.merge("RGB",(r,g,b))            # 將r,g,b,三通道合并
 
example = np.random.randint(0,255,size=(300,300,3))  # numpy數(shù)組
new_img = Image.fromarray(example, 'RGB')      # 將numpy的narray轉(zhuǎn)為Image類(lèi)，第二個(gè)參數(shù)為mode
 
new_im.show()                                # 顯示圖像
# ---------將索引圖變成彩色圖-------------------
cmap = [np.random.randint(0, 255) for x in range(768)]  # 生成色彩隱射圖，大小需要為256*3=768
img = img.convert('P')                       # 轉(zhuǎn)換為P模式
img.putpalette(cmap)                         # 給索引圖著色
img.show()                                   # 顯示圖像
 
#----------圖像增強(qiáng)-----------------------
# 增強(qiáng)亮度
enhanceImg = ImageEnhance.Brightness(img)
# 圖片尖銳化
enhanceImg = ImageEnhance.Sharpness(img) 
# 對(duì)比度增強(qiáng)
enhanceImg = ImageEnhance.Contrast(img)  
# 色彩增強(qiáng)
enhanceImg = ImageEnhance.Color(img) 
enhanceImg.enhance(2.0).show()    # 2.0表示增強(qiáng)兩倍，1.0表示不增強(qiáng)。
 

from scipy.misc import imread,imsave,imresize
import scipy.io
 
img = imread("E:/testdata/01.jpg")    # 讀取圖像
print (img)                           # numpy 數(shù)組
 
img_type = img.dtype                  # 獲取圖片的數(shù)據(jù)類(lèi)型
print(img_type)                       # uint8
 
img_shape = img.shape                 # 獲取圖片的大小
print(img_shape)                      # (310, 493, 3)  
 
newimg=imresize(img,(100,100))        # 圖像裁剪
'''
  函數(shù)原型：imresize(arr, size, interp='bilinear', mode=None)
    arr：ndarray類(lèi)型的圖像
    size：裁剪后的尺寸，是一個(gè)元組
    interp ： 插值方法，為‘nearest', ‘lanczos', ‘bilinear', ‘bicubic' or ‘cubic'
    mode：PIL中的圖像模式 (‘P', ‘L'等等)，在resize之前先轉(zhuǎn)換模式
'''
 
imsave("timg_color.png",newimg)       # 保存圖片
 
# ------------使用scipy加載.mat文件-------------
data = scipy.io.loadmat('Data.mat')
print (data)                         # 一般data為一個(gè)字典類(lèi)型的數(shù)據(jù)

import cv2
 
img = cv2.imread('E:/testdata/01.jpg')  # 讀取圖像
print( img.shape )
print (img)
 
b,g,r = cv2.split(img)                   # 拆分圖像通道
img = cv2.merge((b,g,r))                 # 合并圖像通道
 
res=cv2.resize(img,(50,50),interpolation=cv2.INTER_CUBIC)   # 圖像縮放
'''
	INTER_NEAREST	最近鄰插值
	INTER_LINEAR	雙線(xiàn)性插值（默認(rèn)設(shè)置）
	INTER_AREA	使用像素區(qū)域關(guān)系進(jìn)行重采樣。 它可能是圖像抽取的首選方法，因?yàn)樗鼤?huì)產(chǎn)生無(wú)云紋理的結(jié)果。 但是當(dāng)圖像縮放時(shí)，它類(lèi)似于INTER_NEAREST方法。
	INTER_CUBIC	4x4像素鄰域的雙三次插值
	INTER_LANCZOS4	8x8像素鄰域的Lanczos插值
'''
 
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 轉(zhuǎn)換讀取圖像的通道順序，cv2默認(rèn)為BGR順序,這里轉(zhuǎn)為RGB，其它軟件均為RGB
 
cv2.imwrite("hehe.jpg",res)               # 保存圖像
 
cv2.imshow("res",res)                     # 顯示圖像
cv2.waitKey(0)
cv2.destroyAllWindows()

tf.image.decode_jpeg(contents, channels=None, ratio=None, fancy_upscaling=None, try_recover_truncated=None, acceptable_fraction=None, name=None)
tf.image.encode_jpeg(image, format=None, quality=None, progressive=None, optimize_size=None, chroma_downsampling=None, density_unit=None, x_density=None, y_density=None, xmp_metadata=None, name=None)
tf.image.decode_png(contents, channels=None, name=None)
tf.image.encode_png(image, compression=None, name=None)

tf.image.resize_images(images, new_height, new_width, method=0)
tf.image.resize_area(images, size, name=None)
tf.image.resize_bicubic(images, size, name=None)
tf.image.resize_bilinear(images, size, name=None)
tf.image.resize_nearest_neighbor(images, size, name=None)

tf.image.resize_image_with_crop_or_pad(image, target_height, target_width)
tf.image.pad_to_bounding_box(image, offset_height, offset_width, target_height, target_width)
tf.image.crop_to_bounding_box(image, offset_height, offset_width, target_height, target_width)
tf.image.random_crop(image, size, seed=None, name=None)
tf.image.extract_glimpse(input, size, offsets, centered=None, normalized=None, uniform_noise=None, name=None)

tf.image.flip_up_down(image)
tf.image.random_flip_up_down(image, seed=None)
tf.image.flip_left_right(image)
tf.image.random_flip_left_right(image, seed=None)

    #coding=utf-8
    import tensorflow as tf
    import numpy as np
    import os 
    from PIL import Image
 
    # 從文件讀取數(shù)據(jù)，得到的是二進(jìn)制文件
    image_data = tf.gfile.FastGFile("D:/test/2.jpg", 'rb').read()
    with tf.Session() as sess:
      # 將二進(jìn)制數(shù)據(jù)解碼為一個(gè)Tensor,此時(shí)的數(shù)據(jù)類(lèi)型為tf.uint8
      img_data = tf.image.decode_jpeg(image_data)
      print (img_data.eval().shape)  
 
      # 對(duì)圖像進(jìn)行resize，0：雙線(xiàn)性差值。1：最近鄰居法。2：雙三次插值法。3：面積插值法。
      resized = tf.image.resize_images(img_data, [500, 500], method=0)
 
      # TensorFlow的函數(shù)處理圖片后存儲(chǔ)的數(shù)據(jù)是float32格式的，需要轉(zhuǎn)換成uint8才能正確打印圖片。      
      resized = np.asarray(resized.eval(), dtype='uint8') 
 
      # 顯示圖片
      new_img = Image.fromarray(resized, 'RGB')    
      new_img.show()  
 
      # 對(duì)圖像進(jìn)行編碼,并且保存圖像
      encoded_image = tf.image.encode_jpeg(resized)
      print (type(encoded_image))
      with tf.gfile.GFile("./3.jpg","wb") as f:
        f.write(encoded_image.eval())   

tf.image.convert_image_dtype(image，dtype)