Image Processing 原理与代码实战案例讲解

作者：System 时间：2024年08月26日分类：所有,elasticsearch 字数：634

这篇文章距离上次修改已过258天，其中的内容可能已经有所变动。

from PIL import Image
import numpy as np

# 读取图像
image = Image.open('input.jpg')

# 转换为灰度图像
gray_image = image.convert('L')

# 将图像转换为numpy数组
image_array = np.array(gray_image)

# 计算图像的阈值，这里使用了阈值分割法
# 假设阈值为127
threshold = 127

# 应用阈值进行二值化处理
binary_image = image_array > threshold

# 将二值图像转换为8-bit图像
_, binary_image = np.unique(binary_image, return_inverse=True)

# 保存二值化图像
binary_image = Image.fromarray(binary_image.astype(np.uint8) * 255)
binary_image.save('output.jpg')

这段代码展示了如何使用Python的Pillow库和NumPy库来读取一个图像文件，将其转换为灰度图像，应用阈值分割法进行二值化处理，并保存处理后的图像。这是图像处理中一个基本的操作，对于学习图像处理的开发者来说，这段代码是一个很好的起点。

Image Processing 原理与代码实战案例讲解

评论已关闭

推荐阅读