本文目录一览：
'求助'Python怎么判断图片是否为灰度图
这里判断是否为灰度图的标准是：每一个像素所对应的R、G、B的值是否相等。
def is_color_image(url):
im = Image.open(url)
pix = im.convert('RGB')
width = im.size[0]
height = im.size[1]
oimage_color_type = "Grey Image"
is_color = []
for x in range(width):
for y in range(height):
r, g, b = pix.getpixel((x, y))
r = int(r)
g = int(g)
b = int(b)
if (r == g) and (g == b):
pass
else:
oimage_color_type = 'Color Image'
return oimage_color_type
怎么用python显示一张图片
在 Python 中除了用 OpenCV，也可以用 matplotlib 和 PIL 这两个库操作图片。本人偏爱 matplotlib，因为它的语法更像 MATLAB。
一、matplotlib
1. 显示图片
import matplotlib.pyplot as plt # plt 用于显示图片
import matplotlib.image as mpimg # mpimg 用于读取图片
import numpy as np
lena = mpimg.imread('lena.png') # 读取和代码处于同一目录下的 lena.png
# 此时 lena 就已经是一个 np.array 了，可以对它进行任意处理
lena.shape # (512, 512, 3)
plt.imshow(lena) # 显示图片
plt.axis('off') # 不显示坐标轴
plt.show()
2. 显示某个通道
# 显示图片的第一个通道
lena_1 = lena[:, :, 0]
plt.imshow('lena_1')
plt.show()
# 此时会发现显示的是热量图，不是我们预想的灰度图，可以添加 cmap 参数，有如下几种添加方法：
plt.imshow('lena_1', cmap='Greys_r')
plt.show()
img = plt.imshow('lena_1')
img.set_cmap('gray') # 'hot' 是热量图
plt.show()
3. 将 RGB 转为灰度图
def rgb2gray(rgb):
return np.dot(rgb[..., :3], [0.299, 0.587, 0.114])
gray = rgb2gray(lena)
# 也可以用 plt.imshow(gray, cmap = plt.get_cmap('gray'))
plt.imshow(gray, cmap='Greys_r')
plt.axis('off')
plt.show()
4. 对图像进行放缩
from scipy import misc
lena_new_sz = misc.imresize(lena, 0.5) # 第二个参数如果是整数，则为百分比，如果是tuple，则为输出图像的尺寸
plt.imshow(lena_new_sz)
plt.axis('off')
plt.show()
5. 保存图像
5.1 保存 matplotlib 画出的图像
该方法适用于保存任何 matplotlib 画出的图像，相当于一个 screencapture。
plt.imshow(lena_new_sz)
plt.axis('off')
plt.savefig('lena_new_sz.png')
5.2 将 array 保存为图像
from scipy import misc
misc.imsave('lena_new_sz.png', lena_new_sz)
5.3 直接保存 array
读取之后还是可以按照前面显示数组的方法对图像进行显示，这种方法完全不会对图像质量造成损失。
np.save('lena_new_sz', lena_new_sz) # 会在保存的名字后面自动加上.npy
img = np.load('lena_new_sz.npy') # 读取前面保存的数组
二、PIL
1. 显示图片
from PIL import Image
im = Image.open('lena.png')
im.show()
2. 将 PIL Image 图片转换为 numpy 数组
im_array = np.array(im)
# 也可以用 np.asarray(im) 区别是 np.array() 是深拷贝，np.asarray() 是浅拷贝
3. 保存 PIL 图片
直接调用 Image 类的 save 方法：
from PIL import Image
I = Image.open('lena.png')
I.save('new_lena.png')
4. 将 numpy 数组转换为 PIL 图片
这里采用 matplotlib.image 读入图片数组，注意这里读入的数组是 float32 型的，范围是 0-1，而 PIL.Image 数据是 uint8 型的，范围是 0-255，所以要进行转换：
import matplotlib.image as mpimg
from PIL import Image
lena = mpimg.imread('lena.png') # 这里读入的数据是 float32 型的，范围是0-1
im = Image.fromarray(np.uint8(lena * 255))
im.show()
5. RGB 转换为灰度图
from PIL import Image
I = Image.open('lena.png')
I.show()
L = I.convert('L')
L.show()
python matlab画灰度图统计图？
个人意见，一个图里面，一个横坐标你是想怎样对应多个纵坐标值喃，你还需要一个标准在图里表示某列里某个像素值的发布情况，就有3个变量，xyz轴3D图应该更清晰，或者每列里面的每个像素值在xy轴里有一个区间，类似表格，该区间的颜色表示发布多少情况。
Python热力图绘制方法—新手教程
Python热力图绘制方法
热力图的使用场景有：
- 描述数据在空间的密集程度，常见有城市热力图，区域热力图
- 描述多个变量之间相关性高低程度
Step 1 准备数据集，读取excel列表内容，usecols = index，这里是表里的第一列不读取。
index = range(1, 11)
dataset = np.array(pd.read_csv(r'C:\Users\Administrator\Desktop\heatmap.csv', usecols=index))
Step 2 读取excel行索引转成列表，作为热力图的y轴标签
a = (pd.read_csv(r'C:\Users\Administrator\Desktop\heatmap.csv', usecols=[0]))
y_label = list(a.stack())
Step 3 读取excel列索引转成列表，作为热力图的x轴标签
b = (pd.read_csv(r'C:\Users\Administrator\Desktop\heatmap.csv'))
column_index = (b.columns.tolist())
x_label = column_index[1:]
Step 4 开始绘制热力图
plt.figure(figsize=(14, 8)) # 定义输出图像大小，annot参数决定是否在热力图上显示数值，Vmax,Vmin表示最大最小值，cmap表示颜色
sns.heatmap(dataset, fmt='.0f', annot=True, vmin=0, vmax=max_number, cmap='Reds', yticklabels=y_label,
xticklabels=x_label)
# 绘制标签
plt.xlabel('This is x label', labelpad=15)
plt.ylabel('This is y label', labelpad=20)
plt.show()
怎么用python进行简单的图像处理
所谓简单的图像处理，就是对像素数据进行点处理。 下面是具体步骤。
读取图片：
# -*- coding: utf-8 -*-
import cv2
import numpy as np
img = cv2.imread("C:/Users/Administrator/Desktop/ball.png")
cv2.imshow("a", img)
cv2.waitKey(0)
cv2.imshow("a", img)
打开一个图片窗口。 Python读取图片，实际上是读取了离散的图片数据：
print(img)
运行，就会给出图片数据。 显示反色图片，只要进行简单的计算：
255 - img
这是 2*img 的效果。 分离通道，图片的第一个通道是：
img[:, :, 0]
成图是灰度图。 第二个通道的灰度图：
img[:, :, 1]
第三个通道的灰度图：
img[:, :, 2]
