pycahem终端也可以下载库,我只会用终端下载,用的镜像网站
pip install torch -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install scikit-image -i https://pypi.tuna.tsinghua.edu.cn/simple.
pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple.
在敲的过程中我深刻体会到了,python代码对缩进要求极高,稍有不慎....
(1)采用均值方法/最大值进行图像模拟采样
将image[i,j,k]=np.mean(delta)修改为image[i,j,k]=np.max(delta)
from skimage import data
from matplotlib import pyplot as plt
import numpy as np #导入所需类包
image = data.coffee() #载入测试图像
print(image.shape) #显示图像原始大小
print(type(image)) #显示图像类型
ratio = 20
image1 = np.zeros((int(image.shape[0]/ratio),
int(image.shape[1]/ratio),image.shape[2]),
dtype = 'int32') #设置采样比率
for i in range(image1.shape[0]):
for j in range(image1.shape[1]):
for k in range(image1.shape[2]): #对图像进行遍历
delta = image[i * ratio:(i + 1)*ratio,j *ratio:(j + 1)*ratio,k] #获取需要采样的图像块
image1 [i,j,k] = np.mean(delta) #计算均值,并存入结果图像 均值进行图像采样
#image1 [i,j,k] = np.max(delta)最大值进行图像值采样
plt.imshow(image1) #打印采样后的图像
plt.show()
(2)图像量化
from skimage import data
from matplotlib import pyplot as plt
image = data.coffee() #载入测试图像
ratio = 128
for i in range(image.shape[0]):
for j in range(image.shape[1]):
for k in range(image.shape[2]): #对图像进行遍历
image [i][j][k] = int(image[i][j][k]/ratio)*ratio #计算均值,并存入结果图像
plt.imshow(image) #打印采样后的图像
plt.show()