使用Numpy和Opencv完成图像的基本数据分析（Part II）

摘要： 使用Numpy和Opencv完成图像的基本数据分析后续部分，主要包含逻辑运算符操作、掩膜以及卫星图像数据分析等操作

       在上一节中，主要是介绍了图像的基本知识以及OpenCV的基本操作，具体内容参见“使用Numpy和Opencv完成基本图像的数据分析（Part I）”。这部分内容是接着上一节的内容，主要介绍一些其它的操作。

使用逻辑操作处理像素值

       可以使用逻辑运算符创建相同大小的数组。但是，逻辑运算操作并不会创建出任何新的数组，只是将True返回给主机变量（host variable）。例如：假设在RGB图像中过滤掉一些像素值低的像素或像素值高的像素（以及其它任何条件），将RGB转换为灰度图看起来不错，但是我们目前不会对彩色图像进行这样的处理。        首先加载图像，并将其显示在屏幕上：

pic=imageio.imread('F:/demo_1.jpg')
plt.figure(figsize=(10,10))
plt.imshow(pic)
plt.show()

 

       注意图像的路径问题.之后需要考虑转储这个显示的图像。假设对于任何情况，我们都想要滤除掉低于某值的所有像素值，并假设该阈值设置为20。为此，我们将使用逻辑运算符来执行此任务，最终结果将返回所有索引的真值。

low_pixel=pic>>ogrid[0:5,0:5]   
输出: 
[array([[0],[1],[2],[3],[4]]), 
array([[0, 1, 2, 3, 4]])]    
'''
x,y=np.ogrid[:total_row,:total_col] 
# 获取图像的中心值
cen_x,cen_y=total_row/2,total_col/2  
'''   
测量从中心到每个边界像素的距离--> s**2 = (Y-y)**2 + (X-x)**2 
 '''
distance_from_the_center=np.sqrt((x-cen_x)**2+(y-cen_y)**2) 
# 选择半径值
radius=(total_row/2) 
# 使用逻辑操作符 '>' 
circular_pic=distance_from_the_center>radius 
'''
给所有半径外的像素值分配零值，即黑色
'''
pic[circular_pic]=0
plt.figure(figsize=(10,10))![3](https://yqfile.alicdn.com/6dffa858b5f207498da081e7341f88d0a0a69cb2.png)

plt.imshow(pic)
plt.show()

 

卫星图像处理

       作为edX的公开课之一，下面将介绍一些卫星图像及其处理方法，这部分内容是十分有用的，下面对其进行一些处理，做一些分析任务。

# 加载图像
pic=imageio.imread('F:\satimg.jpg')
plt.figure(figsize=(10,10))
plt.imshow(pic)
plt.show()

 

       下面看看它的一些基本信息：

print(f'Shape of the image {pic.shape}')

print(f'hieght {pic.shape[0]} pixels')

print(f'width {pic.shape[1]} pixels') 

# 输出
Shapeoftheimage(3725,4797,3)

height 3725 pixels

width 4797 pixels

       从中可以发现一些有趣的东西，像许多其他可视化结果一样，每个rgb层中的颜色都表示对应的内容。例如，红色强弱表示像素中地理数据点的高度，蓝色强弱表示方位的度量，而绿色表示斜率，这些颜色将有助于我们以更快、更有效的方式传达信息，而不仅是显示数字。

• 红色像素表示：高度
• 蓝色像素表示：方位
• 绿色像素表示：斜率        只需看一下这张彩色图像，训练有素的眼睛就能分辨出海拔是多少，斜率是多少，方位在哪里，所以为这些颜色加载更多含义能够表示更科学的东西，一个好的想法！

检测每个通道的高像素

# 只有红色通道值,像素值高于180

pic=imageio.imread('F:\satimg.jpg')

red_mask=pic[:,:,0]