Python实现图片切割拼接实验——numpy数组的脑洞玩法

视频资料：https://tv.sohu.com/v/dXMvMzM1OTQyMDI2LzExMzQxMDY1MS5zaHRtbA==.html
视频的内容介绍：一张照片，横着切成若干条，并且没有打乱，随后隔条分成了两份，然后把这两份各自拼接在一起，出现了跟两张原图一模一样的图片，将两张图竖着切成若干条，并且没有打乱，随后隔条分成了四份，出现了四张跟原图一模一样的图片（等比例缩小）

目标：使用Python实现图片切割拼接实验

效果：效果如下图所示，证实这个实验是真的，只不过处理后的像素降低了

原理：
Numpy对图像的处理实际上就是对ndarray的处理。图像和ndarray又有什么关系呢？图像是可以用ndarray数组来表示。如图我们可以用plt.imread()读取一张图片的数据，返回的就是这张图片的ndarray数组。通过对ndarray的处理实现图片操作

步骤解析：
【1】图片读取
读取一、PIL库的image

import numpy as np# pip install numpy
import PIL.Image as img# pip install PIL
data=np.array(img.open('test.jpg'))

  

 

  
1
  
2
  
3
 

读取二、matplotlib库的pyplot

import numpy as np   # pip install numpy
import matplotlib.pyplot as plt  # pip install matplotlib
data=plt.imread('test.jpg')

  

 

  
1
  
2
  
3
 

# 查看数组的形状
data.shape
# (800,800,3), 
# 第一个800代表图片的像素宽度-纵轴像素，
# 第二个800代表图片的像素长度-横轴像素，
#3代表RGB通道数，(有些图片格式是3通道，有些图片格式是4通道)

  

 

  
1
  
2
  
3
  
4
  
5
  
6
 

【2】图片切割 & 数组拼接

#图像切割——横轴切
width=data.shape[1]
width0= np.split(data,range(10,width,10),axis=1)
width1=width0[::2]
width2=width0[1::2]
#数组的拼接——1轴|纵轴
test1 = np.concatenate(width1,axis=1)
test2 = np.concatenate(width2,axis=1)
print(test1.shape)
plt.imshow(test1)

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
 

#对切割后的test1再进行纵轴切割
length=test1.shape[0]
length0= np.split(test1,range(10,length,10),axis=0)#test1 test2的length和原图等长
length1=length0[::2]
length2=length0[1::2]
#数组的拼接——0轴|横轴
test3 = np.concatenate(length1,axis=0)
test4 = np.concatenate(length2,axis=0)
print(test3.shape)
plt.imshow(test3)

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
 

【3】图片保存
保存一、scipy.misc

import scipy.misc
scipy.misc.imsave('test3.jpg',test3)

  

 

  
1
  
2
 

保存二、PIL库的image

#image
img.fromarray(test3).save("test3.jpg")

  

 

  
1
  
2
 

保存三、matplotlib库的pyplot

plt.imsave("test3.jpg",test3)

  

 

  
1
 

完整代码：整理定义了一个函数

import numpy as np   # pip install numpy
import matplotlib.pyplot as plt  # pip install matplotlib
jpg_path='test.jpg'
#n为切割的大小，n越大，像素越小
def cut_jpg(jpg_path,n):
    # 读取图片
    data=plt.imread(jpg_path)
    #图像切割_横轴切
    width=data.shape[1]
    width0= np.split(data,range(n,width+1,n),axis=1)#左闭右开所以+1
    width1=width0[::2]
    width2=width0[1::2]
    #数组的拼接
    test1 = np.concatenate(width1,axis=1)
    test2 = np.concatenate(width2,axis=1)
    #图像切割_纵轴切
    length=test1.shape[0]
    #test1 test2的length和原图等长，可以尝试同时切割
    length0= np.split(test1,range(n,length+1,n),axis=0)#左闭右开所以+1
    length1=length0[::2]
    length2=length0[1::2]
    #数组的拼接
    test3 = np.concatenate(length1,axis=0)
    test4 = np.concatenate(length2,axis=0)
    return test3
#返回处理后的数组对象，test1,test2,test3,test4都是一样的，此处返回一组即可
test3=cut_jpg(jpg_path,5)
#保存图片
plt.imsave("test305.jpg",test3)

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
  
17
  
18
  
19
  
20
  
21
  
22
  
23
  
24
  
25
  
26
  
27
  
28
  
29
 

文章来源: blog.csdn.net，作者：诡途，版权归原作者所有，如需转载，请联系作者。

原文链接：blog.csdn.net/qq_35866846/article/details/105389738