用Python去除背景,得到有效的图像
此目的是为了放入深度学习计算中来减少计算量,同时突出特征,原图像为下图,命名为1.jpg,在此去除白色背景,黑色背景同理
需要对原图像进行的处理是去掉白色背景,抠出有效的参与计算的图形的大小即下图
对此有两个思路:
用掩模法得到有效部分,其次去掉空白,但太繁琐喽,并且一万多张图片,其不弄到天荒地老(截图也是哦)
对图像进行处理,即先做numpy变化,后反变换,将255-原图像,此时得到的图像就是
在此计算图像的横轴相加为0,纵轴相加为0,删去和为0的列和行得到的numpy矩阵,用255减去numpy矩阵得到的图像就是所求有效图像。(在此我没能实现三通道的图像,只能做出灰度图的图像)程序如下:
from PIL import Image import numpy as np import pandas as pd import matplotlib.pyplot as plt import scipy.misc img = Image.open('1.jpg') e,g=img.size img1=img.convert('L') img1=np.array(img1, dtype='float32') arr=255-img1 arr1 = arr.sum(axis=0)#每一列求和 arr2 = arr.sum(axis=1)#每一行求和 df=pd.DataFrame(arr)#把像素点转化为dataframe df.insert(len(df.columns),len(df.columns),arr2)#最后一列插入每一行的和 df1=pd.concat([df,(pd.DataFrame(df.sum()).T)])#最后一行插入每一列的和 df2=df1[df1[e]>0]#根据最后一列把大于0的行筛选出来 #根据最后一行,把等于0的列删除掉 for c in df2.columns: if df2[c].sum() == 0 : df2.drop(columns = [c],inplace = True) df2.drop(columns=[e],inplace = True)#删除最后一列 df3 = df2.head((df2.shape[0])-1)#删除最后一行 a=255-df3 #df3.values#dataframe转化为numpy plt.imshow(a) scipy.misc.toimage(df3.values).save('C:/Users/Administrator.SKY-20180518VHY/Desktop/2.jpg')#保存图像
最终得到的图像为
在此处考虑过将图像变为列表,但在此处做嵌套列表太为复杂,因而放弃,最终利用DataFrame做的,本考虑将三通道分开分别作运算最终得到的R、G、B三通道图像由于大小不匹配无法整合到一起,又失败了。只能得到单通道凑合弄吧。谁有好的思路,求沟通…
完整程序:
import os from PIL import Image import numpy as np import pandas as pd import matplotlib.pyplot as plt import scipy.misc def save_pic(file_path): c = [] names = os.listdir(file_path) #路径 #将文件夹中的文件名称与后边的 .dcm分开 for name in names: c.append(name) for files in c : img = Image.open(file_path+'\\'+files) e,g=img.size img1=img.convert('L') img1=np.array(img1, dtype='float32') arr=255-img1 arr1 = arr.sum(axis=0)#每一列求和 arr2 = arr.sum(axis=1)#每一行求和 df=pd.DataFrame(arr)#把像素点转化为dataframe df.insert(len(df.columns),len(df.columns),arr2)#最后一列插入每一行的和 df1=pd.concat([df,(pd.DataFrame(df.sum()).T)])#最后一行插入每一列的和 df2=df1[df1[e]>0]#根据最后一列把大于0的行筛选出来 #根据最后一行,把等于0的列删除掉 for c in df2.columns: if df2[c].sum() == 0 : df2.drop(columns = [c],inplace = True) df2.drop(columns=[e],inplace = True)#删除最后一列 df3 = df2.head((df2.shape[0])-1)#删除最后一行 #df3.values#dataframe转化为numpy a=255-df3 plt.imshow(a) scipy.misc.toimage(a).save('C:/Users/Administrator.SKY-20180518VHY/Desktop'+'/'+files)#保存图像 print('all is saved') save_pic(file_path='C:\\Users\\Administrator.SKY-20180518VHY\\Desktop\\1')
去除多个文件夹下多张图像,分别为:
程序为:
import os from PIL import Image import numpy as np import pandas as pd import matplotlib.pyplot as plt import scipy.misc def save_pic(file_path): c = [] d=[] names = os.listdir(file_path) #路径 #将文件夹中的文件名称与后边的 .dcm分开 for name in names: c.append(name) for files1 in c: n=os.listdir(file_path+'\\'+files1) for name in n: d.append(file_path+'\\'+files1+'\\'+name) for files2 in d : img = Image.open(files2) e,g=img.size img1=img.convert('L') img1=np.array(img1, dtype='float32') arr=255-img1 arr1 = arr.sum(axis=0)#每一列求和 arr2 = arr.sum(axis=1)#每一行求和 df=pd.DataFrame(arr)#把像素点转化为dataframe df.insert(len(df.columns),len(df.columns),arr2)#最后一列插入每一行的和 df1=pd.concat([df,(pd.DataFrame(df.sum()).T)])#最后一行插入每一列的和 df2=df1[df1[e]>0]#根据最后一列把大于0的行筛选出来 #根据最后一行,把等于0的列删除掉 for c in df2.columns: if df2[c].sum() == 0 : df2.drop(columns = [c],inplace = True) df2.drop(columns=[e],inplace = True)#删除最后一列 df3 = df2.head((df2.shape[0])-1)#删除最后一行 df3.values#dataframe转化为numpy a=255-df3 plt.imshow(a) scipy.misc.toimage(a).save('C:/Users/Administrator.SKY-20180518VHY/Desktop'+'/'+ '%d.jpg'%(d.index(files2)))#保存图像 print('all is saved') save_pic(file_path='C:\\Users\\Administrator.SKY-20180518VHY\\Desktop\\2')
以上这篇用Python去除图像的黑色或白色背景实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
《魔兽世界》大逃杀!60人新游玩模式《强袭风暴》3月21日上线
暴雪近日发布了《魔兽世界》10.2.6 更新内容,新游玩模式《强袭风暴》即将于3月21 日在亚服上线,届时玩家将前往阿拉希高地展开一场 60 人大逃杀对战。
艾泽拉斯的冒险者已经征服了艾泽拉斯的大地及遥远的彼岸。他们在对抗世界上最致命的敌人时展现出过人的手腕,并且成功阻止终结宇宙等级的威胁。当他们在为即将于《魔兽世界》资料片《地心之战》中来袭的萨拉塔斯势力做战斗准备时,他们还需要在熟悉的阿拉希高地面对一个全新的敌人──那就是彼此。在《巨龙崛起》10.2.6 更新的《强袭风暴》中,玩家将会进入一个全新的海盗主题大逃杀式限时活动,其中包含极高的风险和史诗级的奖励。
《强袭风暴》不是普通的战场,作为一个独立于主游戏之外的活动,玩家可以用大逃杀的风格来体验《魔兽世界》,不分职业、不分装备(除了你在赛局中捡到的),光是技巧和战略的强弱之分就能决定出谁才是能坚持到最后的赢家。本次活动将会开放单人和双人模式,玩家在加入海盗主题的预赛大厅区域前,可以从强袭风暴角色画面新增好友。游玩游戏将可以累计名望轨迹,《巨龙崛起》和《魔兽世界:巫妖王之怒 经典版》的玩家都可以获得奖励。
更新日志
- 【雨果唱片】中国管弦乐《鹿回头》WAV
- APM亚流新世代《一起冒险》[FLAC/分轨][106.77MB]
- 崔健《飞狗》律冻文化[WAV+CUE][1.1G]
- 罗志祥《舞状元 (Explicit)》[320K/MP3][66.77MB]
- 尤雅.1997-幽雅精粹2CD【南方】【WAV+CUE】
- 张惠妹.2007-STAR(引进版)【EMI百代】【WAV+CUE】
- 群星.2008-LOVE情歌集VOL.8【正东】【WAV+CUE】
- 罗志祥《舞状元 (Explicit)》[FLAC/分轨][360.76MB]
- Tank《我不伟大,至少我能改变我。》[320K/MP3][160.41MB]
- Tank《我不伟大,至少我能改变我。》[FLAC/分轨][236.89MB]
- CD圣经推荐-夏韶声《谙2》SACD-ISO
- 钟镇涛-《百分百钟镇涛》首批限量版SACD-ISO
- 群星《继续微笑致敬许冠杰》[低速原抓WAV+CUE]
- 潘秀琼.2003-国语难忘金曲珍藏集【皇星全音】【WAV+CUE】
- 林东松.1997-2039玫瑰事件【宝丽金】【WAV+CUE】