im = Image.open("0001.jpg") #读取图片
im.show() #显示原图
im = im.convert("L") #转换成灰度图
data = im.getdata()
data = np.matrix(data) #Image类返回矩阵的操作
data = np.reshape(data,(304,720)) #变换成304*720
new_im = Image.fromarray(data) #调用Image库，数组归一化
new_im.show() #显示新图片
misc.imsave('new_img.jpg', new_im) #保存新图片到本地
return data
def Writedata(data):
filename = 'C:\\Users\\DZF\\Desktop\\negative.txt' #数据文件保存位置
row = np.array(data).shape[0] #获取行数n
with open(filename,'w') as f: # 若filename不存在会自动创建，写之前会清空文件
for i in range(0,row):
f.write(str(data[i][0:]))
f.write("\n")
data = loadImage()
Writedata(data)
学习更多编程知识，请关注我的公众号：
[266 266 266 ..., 253 253 253]
[266 266 266 ..., 253 253 253]
[266 266 266 ..., 253 253 253]]
显示为
图片
的代码为：
import matplotlib.pyplot as pyplot
pyplot.imshow(im_mask)
以上这篇
Python
实现
二维数组
输出
为
图片
就是小编分享给大家的全部内容了，希望能给大家一个参
图像
的RGB色彩模式
图像
一般使用RGB色彩模式，即每个像素点的颜色由红（R）、绿（G）、蓝（B）组成。
RGB三个颜色通道的变化和叠加得到各种颜色，取值都为0-255。RGB形成的颜色包括了人类视力所能感知的所有颜色。
PIL（
Python
Image Library）库
PIL库是一个具有强大
图像
处理能力...
通过
Python
的标准库, os.urandom(), 随机生成uchar数, 然后传递给OpenCV的矩阵;
通过reshape()函数, 把1维变成2维(灰度
图像
), 把1维变成3维(彩色
图像
);
注意: "-*- coding: utf-8 -*-"可以UTF-8编码, 可以使用
中
文注释;
输出
灰度和彩色;
代码如下:
import numpy as np
image = Image.open("/home/yang/
图片
/dog.jpg") # 用PIL
中
的Image.open打开
图像
image_arr = np.array(image) #
转化成
numpy数组
文章目录将array格式的
图像
保存
至路径
中
案例
将array格式的
图像
保存
至路径
中
灰度数字
图像
是每个像素只有一个采样颜色的
图像
。这类
图像
通常显示为从最暗黑色到最亮的白色的灰度
def save_image(im, i):
# 对
图像
进行反相处理
im = 255 - im
# 转换数组的类型
a = im.astype(np.uint8)
output_path = '.\\HandWritten'
# 判断路径是否存在
if not os.path.ex
作者：石炜贤&曾翔钰
cifar-10这个数据相信很多接触过机器学习的人都肯定有所了解。今天，我们通过cifar-10存储将
图片
转化为可训练数据的思路将我们自己的
图片
转化为
Python
格式的数据。
本篇文章主要实现两个功能：
①
图片
转化为数组并存为二进制文件；...
def read_file(): # 函数功能为：将所有后缀为.sts的文件转换为.
txt
格式并
保存
path = './二进制文件所在文件夹名称' # 文件夹地址
new_path = './要存放生成
txt
文件的文件夹名称/' # 新的存放生成文件的文件夹地址
b_list = ['此处填写二进制文件名称（也可以参考2020.11.10所写博客，利用后缀名找到path文件夹下所有二
我们做深度学习项目时，训练时会通过读取
图片
数据集存放的路径来获取数据信息。这时，我们就需要通过
python
脚本程序去生成
保存
有
图片
存放路径的
txt
文件，当然
保存
有
图片
存放路径的
txt
文件有很多用处，作者在做海思3516dv300开发板和瑞芯微rv1109开发板算法移植时，量化模型需要准备一定数量训练集
图片
做量化，这时候就需要该脚本。以上就是今天要讲的内容，脚本超级好用，学好
python
，大大提高工作效率！
