Как открыть картинку в python

Как открыть картинку через Python?

Чтобы открыть картинку, используя приложение по умолчанию, на Windows:

#!/usr/bin/env python import os os.startfile(r'D:\picture.jpg') 

Отслеживать
ответ дан 31 мар 2015 в 21:45
52.3k 11 11 золотых знаков 108 108 серебряных знаков 312 312 бронзовых знаков

Открыть наверное значит загрузить для показа (или обработки)? Если да то попробуйте через PIL, примерно так:

from PIL import Image #. img = Image.open(r'D:\picture.jpg') img.show() 

Отслеживать
48.6k 17 17 золотых знаков 56 56 серебряных знаков 100 100 бронзовых знаков
ответ дан 8 мар 2015 в 12:39
928 1 1 золотой знак 6 6 серебряных знаков 17 17 бронзовых знаков

Похоже, что человек хочет открыть ее в приложении по умолчанию, и при запуске из PyCharm что-то не так с окружением.

9 мар 2015 в 2:37
если использовать PIL, то картинка должна быть в папке с проектом?
9 мар 2015 в 14:09
Она может быть где угодно.
9 мар 2015 в 14:16

если обратный слэш есть в пути, то лучше r» константу использовать (в данном случае это не важно, так как ‘\p’ == r’\p’ , но в общем случае ‘\t’ != r’\t’ ).

31 мар 2015 в 21:43

Попробуйте так (картинка откроется в веб-браузере):

import webbrowser webbrowser.open(r"D:\picture.jpg") 

Отслеживать
48.6k 17 17 золотых знаков 56 56 серебряных знаков 100 100 бронзовых знаков
ответ дан 17 мар 2015 в 4:36
Алексей Лобанов Алексей Лобанов
1,202 9 9 серебряных знаков 22 22 бронзовых знака

Вы можете это сделать, например, с помощью специализированных библиотек для обработки изображений и обработки данных. opencv требует установки дополнительных пакетов. Но, при этом, позволяет, помимо прочего, широкий спектр возможностей для обработки изображений. Вторая matplotlib устанавливается легко, интегрируется в pyCharm и позволяет использовать довольно удобный встроенный интерфейс для просмотра. К сожалению, эта библиотека не предоставляет возможности для обработки изображений, а только для их визуализации.

Opencv

import cv2 img = cv2.imread('x.jpg', 0) cv2.imshow('', img) cv2.waitKey(0) 

matplotlib:

from matplotlib import pyplot as plt img = plt.imread('x.jpg') plt.imshow(img) plt.show() 

matplotlib:

opencv:

Установка opencv:

sudo apt-get install -y cmake make libsm6 libxext6 libxrender-dev git clone https://github.com/opencv/opencv.git mkdir ./opencv/build cd ./opencv/build cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local .. make -j4 make install 

Флаг j указывает число процессов, которые будут использованы при установке

Установка matplotlib:

pip install matplotlib pip install pillow 

Если библиотека pillow не будет установлена, то можно будет пользоваться только * .png

OpenCV — быстрый старт: начало работы с изображениями

Перевожу родной OpenCV-шный туториал. И он хорош! (Сложно сказать, чем не понравились те, что есть.)
Изначально туториал в виде ноутбука , поэтому что-то я убрал. А что-то добавил. В общем, это помесь перевода с пересказом.

Вступление

Эта записнушка поможет с первыми шагами в изучении обработки изображений и машинном зрении через OpenCV. Несколько простых примеров объяснят важные вещи! Рассмотрим:

• Как открыть изображение
• Проверить его атрибуты, вроде формы или типа данных в нём
• Матричное представление картинки в Numpy
• Цветные картинки и работу с каналами изображения
• Вывод изображения через matplotlib
• Сохранение изображений

Импортируем нужные библиотеки

import cv2 # собственно OpenCV import numpy as np # для работы с математикой import matplotlib.pyplot as plt # для вывода картинки

Открываем изображения в OpenCV

Картинкой пойдёт крошечная доска в шашечку, 18×18 пикселей:

OpenCV позволяет работать с разными форматами: JPG, PNG, и так далее. Можно загружать цветные и чб-картинки, изображения с альфа-каналом. Для загрузки воспользуйтесь функцией cv2.imread() .

cv2.imread() — синтаксис и аргументы

retval = cv2.imread( filename[, flags] )

retval : если картинка не загрузилась, в retval запишется None . Такое бывает при ошибке в имени/пути, или если изображение битое.

В функцию передаётся один обязательный аргумент и один необязательный флаг:

1. filename : Может быть как относительным, так и абсолютным путём. Это обязательный аргумент.
2. Flags : Флаги нужны для чтения изображения в определенном формате (например, в оттенках серого/цветном/с альфа-каналом). Необязательный аргумент! Значение по умолчанию cv2.IMREAD_COLOR или 1 : этот флаг загрузит изображение как цветное.

Перед примерами посмотрим на пару флагов:

1. cv2.IMREAD_GRAYSCALE или 0 : Загружаем картинку как чёрно-белую
2. cv2.IMREAD_COLOR или 1 : Флаг по умолчанию, загружает картинку как цветную, без альфа-канала.
3. cv2.IMREAD_UNCHANGED или -1 : Загружает картинку в том виде, в котором она есть, включая альфу.

Флагов, конечно, больше.

Теперь посмотрим, что внутри шашечек:

# Читаем изображение как чёрно-белое cb_img = cv2.imread("checkerboard_18x18.png",0) # Печатаем что прочитали. Каждый пиксель есть элемент двумерного массива numpy. # Значение пикселей восьмибитное: [0,255] print(cb_img)

Посмотрим атрибуты изображения

# вывод размера изображения (то есть, массива Numpy) print("Image size is ", cb_img.shape) # тип данных в изображении (то есть, в массиве Numpy) print("Data type of image is ", cb_img.dtype)

В ответ получим:

>>>Image size is (18, 18) >>>Data type of image is uint8

Что за uint8?

8-bit unsigned integer arrays!
Uint8 — стандартный способ отображения изображений, где пиксель описывается диапазоном от 0 до 255. Если это изображение в градациях серого, пиксель со значением 0 является черным, а пиксель со значением 255 — белым.
Есть и другие форматы, конечно.

В общем, работаeт всё, что работает с ndarray : .ndim , .itemsize , .fill() .

А теперь выведем картинку через matplotlib

# рисуем шашечки plt.imshow(cb_img) # выводим шашечки plt.show()

Прочитанная цветовая палитра и отображённая могут и не совпасть. Поэтому явно укажем цветовое пространство для вывода изображения:

# Поставим настройку color map plt.imshow(cb_img, cmap='gray')

Другой пример

Расплывчатые шашечки! Такие же, как в прошлый раз, но теперь с нечёткими гранями:

# Читаем картинку как чб cb_img_fuzzy = cv2.imread("checkerboard_fuzzy_18x18.jpg",0) # Печатаем массив print(cb_img_fuzzy) # Показываем картинку plt.imshow(cb_img_fuzzy,cmap='gray') plt.show()

Переходим к цвету

До этого момента мы говорили про чёрно-белые изображения, а теперь поговорим про цветные.

Подопытным кроликом будет лого колы:

Загружаем, проверяем размер и тип данных:

coke_img = cv2.imread("coca-cola-logo.png",1) print("Image size is ", coke_img.shape) print("Data type of image is ", coke_img.dtype)

В ответ получим:

>>>Image size is (700, 700, 3) >>>Data type of image is uint8

Размер картинки поменялся, потому как чб-изображение состоит из одного канала — от чёрного до белого, а цветное — из нескольких, например, трёх: RGB .

Выведем на экран уже известными манипуляциями:

plt.imshow(coke_img) plt.show()

Цвет лого явно отличается от того, что было. Matplotlib ожидает картинку в формате RGB, а OpenCV хранит их в формате BGR. То есть, для корректного отображения нам нужно поменять местами красный и синий каналы.

# ниже numpy-специфичная конструкция: # (:) — взять каждый элемент по порядку, # (::-1) — взять каждый элемент, но в обратном порядке. coke_img_channels_reversed = coke_img[:, :, ::-1] plt.imshow(coke_img_channels_reversed)

Разделение и объединение каналов

cv2.split() — разделит многоканальный массив на несколько одноканальных.
cv2.merge() — объединит массивы в один многоканальный. Массивы должны быть одинакового размера.

Проверим их на озере. В смысле, озером.

# Разбиваем картинку на каналы: B,G,R img_NZ_bgr = cv2.imread("New_Zealand_Lake.jpg",cv2.IMREAD_COLOR) b,g,r = cv2.split(img_NZ_bgr) # Отрисовываем их plt.figure(figsize=[20,5]) plt.subplot(141);plt.imshow(r,cmap='gray');plt.title("Red Channel") plt.subplot(142);plt.imshow(g,cmap='gray');plt.title("Green Channel") plt.subplot(143);plt.imshow(b,cmap='gray');plt.title("Blue Channel") # Собираем обратно в BGR imgMerged = cv2.merge((b,g,r)) # Выводим, что получилось plt.subplot(144);plt.imshow(imgMerged[. -1]);plt.title("Merged Output") plt.show()

точка с запятой в коде.

. не поощряется, но допускается. Помогает писать код в одну строку, а иногда это удобно!

Перевод в иные цветовые пространства

cv2.cvtColor() — преобразует изображение из одного цветового пространства в другое. В случае преобразования в RGB и из него порядок каналов надо указать явно: RGB или BGR. Формат цвета по умолчанию в OpenCV часто называют RGB, но на самом деле это BGR. Первый байт в стандартном 24-битном цветном изображении будет 8-битным синим компонентом, второй байт будет зеленым, а третий байт будет красным. Четвертый, пятый и шестой байты будут, соответственно, вторым пикселем — синий, зеленый, красный, и так до конца картинки.

Преобразование BGR в RGB

img_NZ_rgb = cv2.cvtColor(img_NZ_bgr, cv2.COLOR_BGR2RGB) plt.imshow(img_NZ_rgb) plt.show()

Преобразование в HSV

HSV — Hue, Saturation, Value — тон, насыщенность, значение.

img_hsv = cv2.cvtColor(img_NZ_bgr, cv2.COLOR_BGR2HSV) # Разобъём картинку на H,S,V каналы h,s,v = cv2.split(img_hsv) # Нарисуем и покажем их plt.figure(figsize=[20,5]) plt.subplot(141);plt.imshow(h,cmap='gray');plt.title("H Channel") plt.subplot(142);plt.imshow(s,cmap='gray');plt.title("S Channel") plt.subplot(143);plt.imshow(v,cmap='gray');plt.title("V Channel") plt.subplot(144);plt.imshow(img_NZ_rgb);plt.title("Original") plt.show()

Модификация отдельного канала

Хочется синий посиней? Есть решение!

img_NZ_bgr = cv2.imread("New_Zealand_Lake.jpg",cv2.IMREAD_COLOR) b,g,r = cv2.split(img_NZ_bgr) b = b+50 # осиняем plt.figure(figsize=[20,5]) plt.subplot(141);plt.imshow(r,cmap='gray');plt.title("Red Channel") plt.subplot(142);plt.imshow(g,cmap='gray');plt.title("Green Channel") plt.subplot(143);plt.imshow(b,cmap='gray');plt.title("Blue Channel") imgMerged = cv2.merge((r,g,b)) # в этот раз соберём сразу RGB plt.subplot(144);plt.imshow(imgMerged);plt.title("Merged Output") plt.show()

Сохранение изображений

Почти cv2.imread , только cv2.imwrite . Первым аргументом передаём путь и имя, вторым — изображение. Оба два обязательны. Расширение OpenCV подберёт, отталкиваясь от указанного в имени. Ещё можно докинуть параметров, и, например, указать качество JPG.

cv2.imwrite( filename, img[, params] )

Вот и всё! Первый маленький шажок к человеку-фотошопу пройден! До встречи в следующих сериях.

Как открыть картинку в python

Автор: br0ke

Текстовые метки: python, pil, pillow, image, open, stream, file-like, file

Раздел: Информационные технологии — Python — Библиотеки — PIL

Запись: and-semakin/mytetra_data/master/base/1527085588iln7pxjyp0/text.html на raw.githubusercontent.com

from PIL import Image

• Открыть изображение в PIL
• Размер изображения в PIL
• Сохранить изображение в память в PIL
• Изменить размер изображения в PIL
• MD5 хэш изображения PIL в Python

Как импортировать (загрузить) изображение в python?

Примеры того, как импортировать (загрузить) изображение в python:

Импорт изображения с помощью matplotlib

Чтобы импортировать изображение в python, одним из решений является использование matplotlib:

from matplotlib import image from matplotlib import pyplot as plt img = image.imread("fav.jpg")
Code language: JavaScript (javascript)

print(type(img)) print(img.shape)
Code language: PHP (php)

class 'numpy.ndarray'>
Code language: HTML, XML (xml)

(300, 450, 3)

3 соответствует режиму RGB.

После этого можно вывести изображение с помощью imshow из matplotlib в виде графика.

plt.imshow(img) plt.show()
Code language: CSS (css)

Импорт изображения с помощью Pillow

Другое решение – использовать Pillow

from PIL import Image from matplotlib import pyplot as plt img= Image.open("fav.jpg")
Code language: JavaScript (javascript)

type(img)

не является массивом numpy:

PIL.JpegImagePlugin.JpegImageFile
Code language: CSS (css)

Тем не менее, все еще можно вывести изображение на экран с помощью imshow

plt.imshow(img) plt.show()
Code language: CSS (css)

Для преобразования img в матрицу numpy

import numpy as np img = np.asarray(img)
Code language: JavaScript (javascript)