Python中图片采样处理的示例分析

这篇文章给大家分享的是有关Python中图片采样处理的示例分析的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。

一.图像采样处理原理

图像采样（Image Sampling）处理是将一幅连续图像在空间上分割成M×N个网格，每个网格用一个亮度值或灰度值来表示，其示意图如图9-1所示。

图像采样的间隔越大，所得图像像素数越少，空间分辨率越低，图像质量越差，甚至出现马赛克效应；相反，图像采样的间隔越小，所得图像像素数越多，空间分辨率越高，图像质量越好，但数据量会相应的增大。图9-2展示了不同采样间隔的"Lena"图，其中图(a)为原始图像，图(b)为128×128的图像采样效果，图©为64×64的图像采样效果，图(d)为32×32的图像采样效果，图(e)为16×16的图像采样效果，图(f)为8×8的图像采样效果[1-3]。

二.图像采样实现

下面讲述Python图像采样处理相关代码操作。其核心流程是建立一张临时图片，设置需要采样的区域大小（如16×16），接着循环遍历原始图像中所有像素点，采样区域内的像素点赋值相同（如左上角像素点的灰度值），最终实现图像采样处理。

# -*- coding: utf-8 -*-# By：Eastmountimport cv2  import numpy as np  import matplotlib.pyplot as plt#读取原始图像img = cv2.imread('lena-hd.png')#获取图像高度和宽度height = img.shape[0]width = img.shape[1]#采样转换成16*16区域numHeight = int(height/16)numWidth = int(width/16)#创建一幅图像new_img = np.zeros((height, width, 3), np.uint8)#图像循环采样16*16区域for i in range(16):    #获取Y坐标    y = i*numHeight    for j in range(16):        #获取X坐标        x = j*numWidth        #获取填充颜色 左上角像素点        b = img[y, x][0]        g = img[y, x][1]        r = img[y, x][2]                #循环设置小区域采样        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)        #显示图像cv2.imshow("src", img)cv2.imshow("Sampling", new_img)#等待显示cv2.waitKey(0)cv2.destroyAllWindows()

其输出结果如图9-3所示，它将灰度图像采样成16×16的区域。

同样，可以对彩色图像进行采样处理，下面的代码将"小珞珞"的图像采样处理成8×8的马赛克区域。

# -*- coding: utf-8 -*-# By：Eastmountimport cv2  import numpy as np  import matplotlib.pyplot as plt#读取原始图像img = cv2.imread('luo.png')#获取图像高度和宽度height = img.shape[0]width = img.shape[1]#采样转换成8×8区域numHeight = int(height/8)numwidth = int(width/8)#创建一幅图像new_img = np.zeros((height, width, 3), np.uint8)#图像循环采样8*8区域for i in range(8):    #获取Y坐标    y = i*numHeight    for j in range(8):        #获取X坐标        x = j*numwidth        #获取填充颜色 左上角像素点        b = img[y, x][0]        g = img[y, x][1]        r = img[y, x][2]                #循环设置小区域采样        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)        #显示图像cv2.imshow("src", img)cv2.imshow("Sampling", new_img)#等待显示cv2.waitKey(0)cv2.destroyAllWindows()

其输出结果如图9-4所示，它将彩色图像采样成8×8的区域。

但上述代码存在一个问题，当图像的长度和宽度不能被采样区域整除时，输出图像的最右边和最下边的区域没有被采样处理。这里推荐读者做个求余运算，将不能整除部分的区域也进行相应的采样处理。

三.图像局部采样处理

前面讲述的代码是对整幅图像进行采样处理，那么如何对图像的局部区域进行马赛克处理呢？下面的代码就实现了该功能。当鼠标按下时，它能够给鼠标拖动的区域打上马赛克，并按下"s"键保存图像至本地。

# -*- coding: utf-8 -*-# By：Eastmountimport cv2  import numpy as np  import matplotlib.pyplot as plt#读取原始图像im = cv2.imread('luo.png', 1)#设置鼠标左键开启en = False#鼠标事件def draw(event, x, y, flags, param):    global en    #鼠标左键按下开启en值    if event==cv2.EVENT_LBUTTONDOWN:        en = True    #鼠标左键按下并且移动    elif event==cv2.EVENT_MOUSEMOVE and flags==cv2.EVENT_LBUTTONDOWN:        #调用函数打马赛克        if en:            drawMask(y,x)        #鼠标左键弹起结束操作        elif event==cv2.EVENT_LBUTTONUP:            en = False          #图像局部采样操作         def drawMask(x, y, size=10):    #size*size采样处理    m = int(x / size * size)    n = int(y / size * size)    print(m, n)    #10*10区域设置为同一像素值    for i in range(size):        for j in range(size):            im[m+i][n+j] = im[m][n]#打开对话框cv2.namedWindow('image')#调用draw函数设置鼠标操作cv2.setMouseCallback('image', draw)#循环处理while(1):    cv2.imshow('image', im)    #按ESC键退出    if cv2.waitKey(10)&0xFF==27:        break    #按s键保存图片    elif cv2.waitKey(10)&0xFF==115:        cv2.imwrite('sava.png', im)#退出窗口cv2.destroyAllWindows()

其输出结果如图9-5所示，它将人物的脸部进行马赛克处理。

感谢各位的阅读！关于"Python中图片采样处理的示例分析"这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！