- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
在尝试使用 scipy
的 python 2.7 探索过程中,我制作了以下简单脚本:
#!/usr/bin/env python
# coding=utf-8
# -*- Mode: python; c-basic-offset: 4 -*-
from scipy import ndimage
import numpy as np
from scipy import misc
import argparse
import Image
def getArguments():
parser = argparse.ArgumentParser(description="An simple Image processor")
parser.add_argument('image_file', metavar="FILENAME", type=str,
help="The image file that will be read In order to be processed")
return parser.parse_args()
def getImagePathFromArguments():
'''
:return: string
'''
args = getArguments()
return args.image_file
def loadImage(image):
'''
:param image: The path of the Image
:return:
'''
return misc.imread(image)
def grayscale(imgData):
#Greyscale action done here
pass
def blur(imgData):
'''
:param nparray imgData:
:return:
'''
return ndimage.gaussian_filter(imgData, 1)
def saveImage(path, imgData):
im = Image.fromarray(imgData)
im.save(path)
def main():
imagePath = getImagePathFromArguments()
print "Loading Image from %s" % (imagePath,)
image = loadImage(imagePath)
while True:
print "Select \n"
print "1. Greyscale"
print "2. Bluring"
option = int(raw_input("Please do your option: "))
if (option != 1 and option != 2):
print "Wrong Option"
else:
processedData=0
if option == 1:
processedData = grayscale(image)
elif option == 2:
print "Bluring Image"
processedData = blur(image)
saveImagePath = raw_input("Where to you want to store the image?")
saveImage(saveImagePath, processedData)
break
if __name__ == "__main__":
main()
这对图像进行简单的处理,例如模糊和灰度。我设法从已加载的图像中进行模糊处理,但灰度如何?
我找到的最接近的是 How can I convert an RGB image into grayscale in Python?但是他们没有提供使用 ndimage 的解决方案。
ndimage 也可以在打开期间进行转换,而不是使用已经打开的图像。
我还尝试实现 greyscale
方法,如 http://ebanshi.cc/questions/108516/convert-rgb-image-to-grayscale-in-python 中所示:
def grayscale(imgData):
r=imgData[:,:,0]
g=imgData[:,:,1]
b=imgData[:,:,2]
return r * 299. / 1000 + g * 587. / 1000 + b * 114. / 1000
但是我得到以下错误:
Traceback (most recent call last): File "/home/pcmagas/Kwdikas/python/Basic/scripy/scipy_image_examples.py", line 83, in main() File "/home/pcmagas/Kwdikas/python/Basic/scripy/scipy_image_examples.py", line 78, in main saveImage(saveImagePath, processedData) File "/home/pcmagas/Kwdikas/python/Basic/scripy/scipy_image_examples.py", line 52, in saveImage im.save(path) File "/usr/lib/python2.7/dist-packages/PIL/Image.py", line 1675, in save save_handler(self, fp, filename) File "/usr/lib/python2.7/dist-packages/PIL/PngImagePlugin.py", line 682, in _save raise IOError("cannot write mode %s as PNG" % mode) IOError: cannot write mode F as PNG
有什么想法吗?
最佳答案
Dimitris 您的解决方案不起作用,因为您正尝试使用无效模式保存文件。 F 用于 32 位浮点像素,当您调用 saveImage
时,图像数据仍处于 F 模式。您可以通过在 saveImage
函数中添加以下行来自行检查:print im.mode
。
参见 http://pillow.readthedocs.io/en/3.4.x/handbook/concepts.html#modes对于 PIL 库中的所有模式
要解决此问题,您只需在保存前调用 convert('RGB')
将图像数据再次转换为 RGB 模式。
http://pillow.readthedocs.io/en/3.4.x/reference/Image.html#PIL.Image.Image.convert
关于 python ndimage : Converting an existing ndarray into greyscale,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44206113/
在这个例子中,我有一个一维 ndarray 列表,长度为 9,列表有 9 个元素,每个元素有 shape=(2048,) ,所以完全9 * (2048,) , 我得到这些 ndarray来自 mxne
Python/NumPy 中的三种“全部”方法有什么区别?性能差异的原因是什么? ndarray.all() 是否总是三者中最快的? 这是我运行的计时测试: In [59]: a = np.full(
我似乎在 this 中遇到了 XY 问题关于如何判断数组是否共享相同内存的问题。我检查的方式是错误的,我不知道为什么。 举几个例子 test = np.ones((3,3)) test2 = np.a
我在使用 mxnet 进行基本 IO 方面遇到问题。我正在尝试使用 mxnet.io.NDArrayIter 读取内存数据集以在 mxnet 中进行训练。我有下面的代码(为了简洁而精简),它预处理代码
首先,这不是作业问题;而是作业问题。它是与我的工作相关的实际问题的抽象。我真的很感谢所有的意见! 我需要运行类似于下面的计算,按顺序运行数万次,它的计算时间显着影响我的模拟的总持续时间: 在这个抽象中
这个问题在这里已经有了答案: Index multidimensional array with index array (1 个回答) 关闭 2 年前。 我想根据一些坐标从 src ndarray
因此 numpy ndarray 非常方便,因为您只需为任何一维函数 f 和任何 ndarray A 输入 f(A) 即可,它将按元素应用 f。有人告诉我,这也是将函数应用于 ndarray 并避免
我有一个 ndarray 字符串。我想将它转换回 ndarray。我尝试了 newval = np.fromstring(val, dtype=float) 。但它给出了ValueError:字符串大
我正在 python/numpy 中做一些机器学习工作,其中我想用一维 ndarray 索引一个二维 ndarray,这样我就可以得到一个带有索引值的一维数组。 我让它与一些丑陋的代码一起工作,我想知
我想根据某些维度的索引位置数组提取 numpy ndarray 的一部分。让我用一个例子来说明这一点 示例数据 dummy = np.random.rand(5,2,100) X = np.array
这个问题在这里已经有了答案: Find the row indexes of several values in a numpy array (8 个答案) 关闭 2 年前。 我有 a = np.a
我想提取 numpy.ndarray 的第一个轴成为numpy.ndarray的列表. 例如,arr_A包含形状为 (3, 100, 200) 的 numpy ndarray,它将转换为形状为 (10
我一直在尝试用 ndarrays 的 numpy ndarray 转换数组数组。 这是我的数据类型: dt = 'i8,i8,i8,i8,i8,i8,i8,i8,i8,i8,i8,i8,i8,f8,i
我目前正在研究一种可以拆分 numpy.ndarray 的方法进入给定数量的子阵列,只要该数量小于窗口移动的轴。 示例: 给定一个形状为 (15, 40, 3) 的 numpy.ndarray 我想分
我用 arcpy 模块创建了一个 NumPy 结构化数组(称为 arr): arr = arcpy.da.FeatureClassToNumPyArray('MPtest','SHAPE@XYZ',e
是否可以将一个 numpy 数组的特定行的引用存储在另一个 numpy 数组中? 我有一个二维节点数组,例如 nodes = np.array([[1, 2], [2, 3], [3, 4], [4,
我有两个长度相同的 pandas 系列,如下所示: S1 = 0 -0.483415 1 -0.514082 2 -0.515724 3 -0.519375 4
当使用 numpy 时,假设我有一个任意的、以前创建的名为 my_ndarray 的 ndarray。如果可能的话,我希望能够执行以下操作...... my_bytes = my_ndarray.to
我在尝试使用 numpy 打乱多维数组时遇到问题。可以使用以下代码重现该问题: import numpy as np s=(300000, 3000) n=s[0] print ("Allocate"
当您调用 DataFrame.to_numpy() 时,pandas 将找到可以容纳 DataFrame 中所有数据类型的 NumPy 数据类型。但是如何进行反向操作呢? 我有一个“numpy.nda
我是一名优秀的程序员,十分优秀!