Scipy Imsave

W tym artykule mówimy o programowaniu Pythona, bibliotece Scipy i funkcji Imsave w Scipy Library of Python. Python jest obiektowym i bardzo elastycznym językiem programowania i jest prawie używany w każdym dziedzinie naukowym, statystyki i matematyki. Jest to najbardziej zaawansowany język tylko ze względu na jego prostą i łatwą do zrozumienia składnię. Sprawia, że ​​życie naukowców danych, analityków danych i badaczy są bardziej komfortowe i wolne od błędów. Python naukowy służy do przetwarzania obrazu, optymalizacji, interpretacji sygnału i wielu innych.

Tutaj omówimy o przetwarzaniu obrazu i manipulacji obrazem za pomocą bibliotek Scipy i Numpy. Ten artykuł pomaga początkującym zrozumieć, w jaki sposób mogą wykonywać przetwarzanie obrazu w Pythonie z mniejszą złożonością kodu. Omówimy każdy punkt ze szczegółowymi i odpowiednimi przykładami.

Co to jest Scipy Imsave?

Funkcja Scipy IMSAVE służy do przetwarzania obrazu i interpretacji sygnału. Jest specjalnie używany do przechowywania obrazu w postaci tablicy. Biblioteka Scipy pozwala nam łatwo odczytać i zapisać pliki obrazów w naszych aplikacjach Python. Za pomocą funkcji IMSAVE możemy łatwo obsługiwać obrazy różnych formatów, takich jak PNG, JPEG i JPG bez obaw o różne tła obrazu, kolory, typy, formaty itp. i zapisz je w dowolnym katalogu.

Za pomocą pakietu Scipy Misc możemy omówić różne funkcje, takie jak przetwarzanie obrazu, filtrowanie obrazu, przycinanie obrazu i zapisywanie obrazów. Biblioteka Scipy pomaga odczytać i pisać obrazy od użytkownika, jak wyświetlać obrazy w różnych kolorach i jak możemy zapisać obrazy w folderze lub katalogu. Ponieważ wartości obrazu są w tablicach Numpy, funkcja Scipy IMSAVE służy do zapisywania wartości macierzy Numpy obrazu w folderze lub w katalogu lokalnym.

Składnia funkcji Scipy Imsave

Funkcja IMSAVE znajduje się w pakiecie MISC w bibliotece Scipy. Kiedy musimy użyć funkcji IMSAVE, musimy wywołać moduł MISC w bibliotece Scipy. Składnia funkcji Scipy IMSAVE jest następująca:

Funkcja IMSAVE zawiera trzy parametry - nazwa, ARR i format. Parametr „Nazwa” oznacza nazwę pliku w formularzu ciągu lub obiektu. Parametr „ARR” służy do zapewnienia dwuwymiarowych, trójwymiarowych lub wielowymiarowych macierzy Numpy, które zawierają wartości obrazu. Dwuwymiarowa tablica służy do przechowywania obrazów na poziomie szarych, podczas gdy trójwymiarowa tablica przechowuje zdjęcia czerwone, zielone i niebieskie. Last, ale nie najmniej, czterowymiarowa tablica przechowuje obrazy warstwy alfa. Ostatni parametr to „format”, który określa format obrazu. „Format” służy do określenia rozszerzeń obrazu, takich jak .png, .jpg i tak dalej. Przejdźmy do sekcji przykładowej, aby dowiedzieć się, jak korzystać z funkcji IMSAVE w programach Python.

Przykład 1:

Pierwszy przykład jest bardzo liniowy i interesujący. Kod referencyjny jest wspomniany na poniższej ilustracji dla Twojej wygody, więc proszę przejść do kodu. Patrz następujący przykładowy kod:

Importuj Imageio
od scipy import misc
importować matplotlib.Pyplot as Plt
IMG = Misc.twarz()
Imageio.imsave ('.// Desktop // Cat.jpg ', IMG)
plt.Imshow (IMG)
plt.pokazywać()

Najpierw importujemy moduł MISC z biblioteki Scipy. Oprócz tego biblioteki Imageio Matplotlib są importowane do programu. Używamy atrybutu „twarzy” pakietu Misc, aby odczytać twarz obrazu i nazwać go zmienną „IMG”. W metodzie ImSave () obraz znajduje się z adresem. Pierwszy parametr to adres obrazu. Drugi parametr to metoda odczytu, która ma być wykonana na danym obrazie. Plt.Funkcja ImShow () służy do wyświetlania wartości danych lub tablicy jako obrazu. Po uruchomieniu tego programu otrzymujemy następujące dane wyjściowe:

Przykład 2:

Ten przykład wyjaśnia, jak utworzyć obraz, określając wartości tablicy i przechowując go w określonym katalogu. Rozważ przykładowy kod podany na poniższym zrzucie ekranu:

Importuj Imageio
importować Numpy jako NP
od scipy import misc
img = np.zera ((255, 255), Dtype = NP.uint8)
img [:] = np.Arange (255)
Imageio.imsave ('./Świadectwo.png ', img)

W pierwszym wierszu biblioteka Imageio jest importowana, a następnie biblioteka Numpy jako NP i biblioteka Scipy, aby wywołać moduł MISC. Następnie deklarowana jest tablica danych, a następnie dane typu z NP.funkcja zeros (). Tablica danych jest przekazywana do funkcji ImSave (), aby przechowywać ją jako obraz. Zobaczmy teraz, jaki rodzaj obrazu jest tworzony za pomocą funkcji podanych danych i imsave ():

Przykład 3:

Ten przykład pokazuje nam, jak tworzyć i wyświetlić obraz szarych kostek kolorów za pomocą funkcji ImSave (). Wykazajmy kod, który pomoże ci zrozumieć program.

Importuj Imageio
importować Numpy jako NP
od scipy import misc
importować matplotlib.Pyplot as Plt
plt.rcparams ["rysunek.rysunek ”] = [5, 5]
img = np.losowy.Rand (5, 5)
Imageio.imsave ('./IMG.png ', img)
plt.szary()
plt.Imshow (IMG)

Tutaj cztery biblioteki są wyraźnie importowane do programu - Imageio, Numpy, Scipy i Matplotlib.

Po zaimportowaniu bibliotek, plt.rcparams [„rysunek.rysunek ”] służy do dostosowania rozmiaru obrazu, który ma być wyświetlany na ekranie. Korzystając z biblioteki Numpy, funkcja rand () jest wywoływana z 2 parametrami, określając wartości, które określają liczbę pól na obrazie. Wartość funkcji rand () jest przypisana do zmiennej „IMG”. Imageio.ImSave () Fucntion jest zadeklarowany za pomocą nazwy obrazu i wartości tablicy w celu utworzenia obrazu. Za pomocą PLT.Gray (), określamy kolor obrazu. Za pomocą PLT.ImShow () funkcja, wyświetlamy obraz na ekranie.

Wspomniany jest zrzut ekranu wynikającego wyjścia. Możesz także wypróbować ten program do ćwiczeń, po prostu zmieniając wartości i widząc wynik.

Wniosek

Wreszcie, szybko przejrzyjmy cały temat w kilku wierszach. Scipy sprawia, że ​​naukowcy z danych są bardziej zrelaksowani, oferując szeroki zakres bibliotek do radzenia sobie ze złożonymi aplikacjami. Ten artykuł dotyczy funkcji Scipy Imsave. Dowiedzieliśmy się o IMSAVE, która jest funkcją przetwarzania obrazu podrzędnego biblioteki Scipy Library. Jest to wbudowana funkcja scipy i służy do łatwego zapisania obrazu w katalogu lokalnym lub dowolnej wspomnianej ścieżce. Teraz, po poznaniu przetwarzania obrazu, możesz łatwo wykonać różne operacje na obrazie i zapisać obraz w pożądanej lokalizacji. Mamy nadzieję, że podane przykłady mogą Ci bardzo pomóc i możesz ćwiczyć na końcu, dokonując różnych zmian.