Python: 纯Python 综合图像处理小工具 （1）分通道直方图
May 26, 2015
平时工作经常需要做些图像分析，需要给图像分通道，计算各个通道的直方图分布特点，这个事儿 photoshop 也能做，但是用起来不方便，且需要电脑上安装有 PS 软件，如果用 OpenCV ， 更是需要在 visual studio 上做很多配置工作。本文充分利用 python 的便携性和轻量级特点，力图实现一个脚本，到处运行的目标。
<使用方法>
1. 将待处理图片命名为 1.jpg 和本文 python 脚本文件放入同一文件夹；
2. 运行 python 脚本，可以获得分通道图片及相应的直方图。
<效果介绍>
原图：
分通道显示：
各通道直方图
R通道直方图
G通道直方图
B通道直方图
<源码分析>
本文脚本没有使用OpenCV，全部操作均使用了python自带库函数，实现真正的轻量级。
本文工具默认对jpg格式的图片进行修改，其他格式直接修改脚本中 im1 = Image.open( ” 1.jpg >” ) 图片后缀即可。
分通道是直接使用的 r,g,b=im1_sp.split() 的， 因只对RGB mode的图像有效，所以 im1_sp = im1.convert( ” RGB >” ) 先进行了模式转换。
直方图绘制是通过 pix = r.load() 函数把图像的像素数据进行存储，然后在256级区间进行累加统计，最后使用draw.line函数绘制的。
工具简单易用，全部代码提供如下，如有问题，欢迎园友反馈！
<全部源码>
1 # -*- coding: cp936 -*-
2 import Image,ImageDraw
3 import ImageFilter,random,sys
4 im1 = Image.open( ” 1.jpg >” )
5
6 # #图像处理##
7
8 # 转换为RGB图像
9 im1_sp = im1.convert( ” RGB >” )
10
11 # 将RGB三个通道分开
12 r,g,b=im1_sp.split()
13
14 # 将RGB分通道图像上色
15 imd = Image.new( ” L >” ,im1.size,0)
16 r_color= Image.merge( ” RGB >” ,(r,imd,imd))
17 g_color= Image.merge( ” RGB >” ,(imd,g,imd))
18 b_color= Image.merge( ” RGB >” ,(imd,imd,b))
19
20 # R通道histogram
21 width, height = r.size
22 pix = r.load()
23 a = [0]*256
24 for w in xrange(width):
25 for h in xrange(height):
26 p = pix[w,h]
27 a[p] = a[p] + 1
28 s = max(a)
29 print a,len(a),s # 长度256,a保存的分别是颜色范围0-255出现的次数
30 r_hist = Image.new( ‘ RGB ‘ ,(512,512),(255,255,255))
31 draw = ImageDraw.Draw(r_hist)
32
33 for k in range(256):
34 # print k,a[k],a[k]*200/s
35 a[k] = a[k]*400/s # 映射范围0-200
36 source = (2*k,511) # 起点坐标y=255, x=[0,1,2….]
37 target = (2*k,511-a[k]) # 终点坐标y=255-a[x],a[x]的最大数值是200,x=[0,1,2….]
38 draw.line([source, target], (255,0,0))
39
40 # G通道histogram
41 width, height = g.size
42 pix = g.load()
43 a = [0]*256
44 for w in xrange(width):
45 for h in xrange(height):
46 p = pix[w,h]
47 a[p] = a[p] + 1
48 s = max(a)
49 print a,len(a),s # 长度256,a保存的分别是颜色范围0-255出现的次数
50 g_hist = Image.new( ‘ RGB ‘ ,(512,512),(255,255,255))
51 draw = ImageDraw.Draw(g_hist)
52
53 for k in range(256):
54 # print k,a[k],a[k]*200/s
55 a[k] = a[k]*400/s # 映射范围0-200
56 source = (2*k,511) # 起点坐标y=255, x=[0,1,2….]
57 target = (2*k,511-a[k]) # 终点坐标y=255-a[x],a[x]的最大数值是200,x=[0,1,2….]
58 draw.line([source, target], (0,255,0))
59
60 # B通道histogram
61 width, height = b.size
62 pix = b.load()
63 a = [0]*256
64 for w in xrange(width):
65 for h in xrange(height):
66 p = pix[w,h]
67 a[p] = a[p] + 1
68 s = max(a)
69 print a,len(a),s # 长度256,a保存的分别是颜色范围0-255出现的次数
70 b_hist = Image.new( ‘ RGB ‘ ,(512,512),(255,255,255))
71 draw = ImageDraw.Draw(b_hist)
72
73 for k in range(256):
74 # print k,a[k],a[k]*200/s
75 a[k] = a[k]*400/s # 映射范围0-200
76 source = (2*k,511) # 起点坐标y=255, x=[0,1,2….]
77 target = (2*k,511-a[k]) # 终点坐标y=255-a[x],a[x]的最大数值是200,x=[0,1,2….]
78 draw.line([source, target], (0,0,255))
79
80 im1_mer= Image.merge( ” RGB >” ,(r,g,b))
81
82 # #图像保存##
83
84 # 单通道图保存
85 r.save( ” 1r.jpg >” )
86 g.save( ” 1g.jpg >” )
87 b.save( ” 1b.jpg >” )
88
89 # 上色图保存
90 r_color.save( ” 1rr.jpg >” )
91 g_color.save( ” 1gg.jpg >” )
92 b_color.save( ” 1bb.jpg >” )
93
94 # 直方图保存
95 r_hist.save( ” 1r_hist.jpg >” )
96 g_hist.save( ” 1g_hist.jpg >” )
97 b_hist.save( ” 1b_hist.jpg >” )
98
99 # #图像显示##
100
101 # 单通道图显示
102 r.show()
103 g.show()
104 b.show()
105
106 # 上色图显示
107 r_color.show()
108 g_color.show()
109 b_color.show()
110
111 # 直方图显示
112 r_hist.show()
113 g_hist.show()
114
b_hist.show()
0 Comments