Python中圖片采樣處理的示例分析

這篇文章給大家分享的是有關Python中圖片采樣處理的示例分析的內容。小編覺得挺實用的，因此分享給大家做個參考，一起跟隨小編過來看看吧。

一.圖像采樣處理原理

圖像采樣（Image Sampling）處理是將一幅連續圖像在空間上分割成M×N個網格，每個網格用一個亮度值或灰度值來表示，其示意圖如圖9-1所示。

圖像采樣的間隔越大，所得圖像像素數越少，空間分辨率越低，圖像質量越差，甚至出現馬賽克效應；相反，圖像采樣的間隔越小，所得圖像像素數越多，空間分辨率越高，圖像質量越好，但數據量會相應的增大。圖9-2展示了不同采樣間隔的“Lena”圖，其中圖(a)為原始圖像，圖(b)為128×128的圖像采樣效果，圖©為64×64的圖像采樣效果，圖(d)為32×32的圖像采樣效果，圖(e)為16×16的圖像采樣效果，圖(f)為8×8的圖像采樣效果[1-3]。

二.圖像采樣實現

下面講述Python圖像采樣處理相關代碼操作。其核心流程是建立一張臨時圖片，設置需要采樣的區域大小（如16×16），接著循環遍歷原始圖像中所有像素點，采樣區域內的像素點賦值相同（如左上角像素點的灰度值），最終實現圖像采樣處理。

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np  
import matplotlib.pyplot as plt

#讀取原始圖像
img = cv2.imread('lena-hd.png')

#獲取圖像高度和寬度
height = img.shape[0]
width = img.shape[1]

#采樣轉換成16*16區域
numHeight = int(height/16)
numWidth = int(width/16)

#創建一幅圖像
new_img = np.zeros((height, width, 3), np.uint8)

#圖像循環采樣16*16區域
for i in range(16):
    #獲取Y坐標
    y = i*numHeight
    for j in range(16):
        #獲取X坐標
        x = j*numWidth
        #獲取填充顏色 左上角像素點
        b = img[y, x][0]
        g = img[y, x][1]
        r = img[y, x][2]
        
        #循環設置小區域采樣
        for n in range(numHeight):
            for m in range(numWidth):
                new_img[y+n, x+m][0] = np.uint8(b)
                new_img[y+n, x+m][1] = np.uint8(g)
                new_img[y+n, x+m][2] = np.uint8(r)
        
#顯示圖像
cv2.imshow("src", img)
cv2.imshow("Sampling", new_img)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

其輸出結果如圖9-3所示，它將灰度圖像采樣成16×16的區域。

同樣，可以對彩色圖像進行采樣處理，下面的代碼將“小珞珞”的圖像采樣處理成8×8的馬賽克區域。

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np  
import matplotlib.pyplot as plt

#讀取原始圖像
img = cv2.imread('luo.png')

#獲取圖像高度和寬度
height = img.shape[0]
width = img.shape[1]

#采樣轉換成8×8區域
numHeight = int(height/8)
numwidth = int(width/8)

#創建一幅圖像
new_img = np.zeros((height, width, 3), np.uint8)

#圖像循環采樣8*8區域
for i in range(8):
    #獲取Y坐標
    y = i*numHeight
    for j in range(8):
        #獲取X坐標
        x = j*numwidth
        #獲取填充顏色 左上角像素點
        b = img[y, x][0]
        g = img[y, x][1]
        r = img[y, x][2]
        
        #循環設置小區域采樣
        for n in range(numHeight):
            for m in range(numwidth):
                new_img[y+n, x+m][0] = np.uint8(b)
                new_img[y+n, x+m][1] = np.uint8(g)
                new_img[y+n, x+m][2] = np.uint8(r)
        
#顯示圖像
cv2.imshow("src", img)
cv2.imshow("Sampling", new_img)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

其輸出結果如圖9-4所示，它將彩色圖像采樣成8×8的區域。

但上述代碼存在一個問題，當圖像的長度和寬度不能被采樣區域整除時，輸出圖像的最右邊和最下邊的區域沒有被采樣處理。這里推薦讀者做個求余運算，將不能整除部分的區域也進行相應的采樣處理。

三.圖像局部采樣處理

前面講述的代碼是對整幅圖像進行采樣處理，那么如何對圖像的局部區域進行馬賽克處理呢？下面的代碼就實現了該功能。當鼠標按下時，它能夠給鼠標拖動的區域打上馬賽克，并按下“s”鍵保存圖像至本地。

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np  
import matplotlib.pyplot as plt

#讀取原始圖像
im = cv2.imread('luo.png', 1)

#設置鼠標左鍵開啟
en = False

#鼠標事件
def draw(event, x, y, flags, param):
    global en
    #鼠標左鍵按下開啟en值
    if event==cv2.EVENT_LBUTTONDOWN:
        en = True
    #鼠標左鍵按下并且移動
    elif event==cv2.EVENT_MOUSEMOVE and flags==cv2.EVENT_LBUTTONDOWN:
        #調用函數打馬賽克
        if en:
            drawMask(y,x)
        #鼠標左鍵彈起結束操作
        elif event==cv2.EVENT_LBUTTONUP:
            en = False
          
#圖像局部采樣操作         
def drawMask(x, y, size=10):
    #size*size采樣處理
    m = int(x / size * size)
    n = int(y / size * size)
    print(m, n)
    #10*10區域設置為同一像素值
    for i in range(size):
        for j in range(size):
            im[m+i][n+j] = im[m][n]

#打開對話框
cv2.namedWindow('image')

#調用draw函數設置鼠標操作
cv2.setMouseCallback('image', draw)

#循環處理
while(1):
    cv2.imshow('image', im)
    #按ESC鍵退出
    if cv2.waitKey(10)&0xFF==27:
        break
    #按s鍵保存圖片
    elif cv2.waitKey(10)&0xFF==115:
        cv2.imwrite('sava.png', im)

#退出窗口
cv2.destroyAllWindows()

其輸出結果如圖9-5所示，它將人物的臉部進行馬賽克處理。

感謝各位的閱讀！關于“Python中圖片采樣處理的示例分析”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，讓大家可以學到更多知識，如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！