【python】画像処理その3 ~NumPy配列~

#画像をNumPy配列にする#

まず,下のように画像を読み込んでnp.arrayでNumPy配列にします.

import numpy as np 
img = np.array(Image.open('画像のパス'))

#次元#
ndimで次元を調べてみます

print(img.ndim)

出力結果

3

はい,3次元でしたね

#形状#
shapeで形状を見てみます

print(img.shape)

出力結果

(150, 150, 3)

サイズが150×150のカラー画像を読み込んだ時の結果です.
画像をNumPyで扱うときは画像配列は(行データ, 列データ, RGBデータ)
のようになっているんですね.

#スライス#
スライスを使ってRGBデータをみてみたいと思います.
今回はGreenのデータをみてみます.
3番目の要素は3つあって

0番目が赤(Red)のデータ
1番目が緑(Green)のデータ
2番目が青(Blue)のデータ

が入っているので,Greenのデータをとるときは1番目のデータをとります.

:は全てとってくるって意味です.
したがって, img[:, :, 1]の意味は
行データを全てとってきて,列データを全てとってきて,2番目のデータをとってくるって感じです.

print(img[:, :, 1])

出力結果

[[138 137 135 ... 102 126 137]
 [134 134 133 ... 107 119 114]
 [131 131 130 ...  76  53  35]
 ...
 [ 32  33  32 ...  25  30  34]
 [ 29  27  28 ...  31  43  53]
 [ 27  26  30 ...  44  59  70]]

##Greenだけの画像を表示してみる##
緑以外を0にすれば緑だけの画像になりますよね.
計算はこんな感じです.

img = 0*img[:, :, 0] + img[:, :, 1] + 0*img[:, :, 2]

するとこんな感じの画像ができます.

#二値化の計算をしてみる#
前回のときに二値化の計算をしました.
手順としては以下のようになります.　

1.画像をグレースケールにする
2.閾値によって白黒わける

1では以下のように画像をグレースケールにしました

img = np.array(Image.open('lena.jpg').convert('L'), 'f')

この段階で次元が3で形状が(150,150,3)だったカラー画像が
次元が2で形状が(150,150)のグレースケールの画像になります.

2では以下のようにして二値化しました.

img = (img > 128) * 255

配列の要素全てに対して値が128を超えていたら白(255)にします.
まず,(img > 128)をすると128を超えているところはTrue,そうでないところはFalseが返ってきます.こんな感じです.

[[ True  True  True ...  True  True  True]
 [ True  True  True ...  True  True  True]
 [ True  True  True ... False False False]
 ...
 [False False False ... False False False]
 [False False False ... False False False]
 [False False False ... False False False]]

Pythonのbool型はint型のサブクラスなのでTrue = 1, False = 0みたいに扱えます.
なので* 255で全ての要素に255をかけることで二値化できました.

NumPy配列ってのは便利なもんでこんな簡単に計算できるんですね.素敵ですね.

#参考#
・https://www.sejuku.net/blog/44850
・https://note.nkmk.me/python-numpy-ndarray-ndim-shape-size/
・https://code-graffiti.com/numpy-array-and-images-in-python/