Python 图像处理
Article Summary
GPT 4
pillow
图片通常使用pillow库进行操作。
常用模块
Image
from PIL import Image
pic = Image.new(RGB,(width, height), (255, 255, 255)) #新建一个图片文件
#不写颜色数据则默认为(0, 0, 0)
pic = Image.open(data.png) #打开一个图片文件
pic = Image.open(data.png).convert(L) #以灰度模式打开一个图片文件
width, height = pic.size #获取图片的宽高
pic.putpixel((x,y),(100, 100, 100)) #对(x,y)坐标的像素点填充颜色，左上角坐标为(0, 0)
pic.show() #用默认图片软件展示图片
pic.save() #保存图片，可写路径，默认与python文件同路径提取一部分
pic_1=pic.crop(x1,x2,y1,y2)#前面为左上坐标，后边为右下角坐标
#一张照片分为多块保存。
a=30
b=45
for x in range(80):
for y in range(80):
box=(x*a,y*b,(x+1)*a,(y+1)*b)
f=image.crop(box)#每块碎片为30*45
f.save()
ImageDraw
from PIL import ImageDraw
pic = Image.new(RGB,(width, height),(0,0,0))
draw = ImageDraw.ImageDraw(pic) #创建绘画对象参数：
fill = fillColor ，填充颜色
outline = outlineColor ， 边框颜色
draw.rectangle((x1,y1,x2,y2),fill = (255,255,255),outline = (0,0,0))
#画一个矩形，必填参数为坐标，第一第二个为起始点坐标，第三第四个为终点坐标
draw.text((10, 10), Hello, fill=(255,0,0), font=None) #画文字，文本左上角为x y坐标数据
draw.line(((60,60),(90,60))) #画一条直线
draw.line(((60,60),(90,60), (90,90), (60,90), (60,60)))
#画多条直线，每条线的起点坐标就是上一条线的终点坐标，此例子就是4条直线围成一个正方形题目
[天翼杯 2021]rrrgggbbb
分别用StegSolve查看之后，发现分别r0、g0、b0通道的上方有像素点点。
抽出，发现``BPG头，并且有THE END`标志
需要把THE END标志及其之后的内容删掉
from PIL import Image
r=Image.open("rrr.png")
g=Image.open("ggg.png")
b=Image.open("bbb.png")
height = r.height
width = r.width
r_list = ""
g_list = ""
b_list = ""
for y in range(height):
for x in range(width):
r_list += bin(r.getpixel((x, y))[0])[2:].zfill(8)[7]
g_list += bin(g.getpixel((x, y))[1])[2:].zfill(8)[7]
b_list += bin(b.getpixel((x, y))[2])[2:].zfill(8)[7]
out=open('out1.bpg','wb')
for i in range (0, len(r_list), 8):
out.write(int(r_list[i:i+8],2).to_bytes(length=1,byteorder='big'))
out.write(int(g_list[i:i+8],2).to_bytes(length=1,byteorder='big'))
out.write(int(b_list[i:i+8],2).to_bytes(length=1,byteorder='big'))
out.close()
r.close()
g.close()
b.close()删去END后面的内容即可得到flag
Matplotlib Pyplot
Pyplot 是matplotlib的子库。
Pyplot 包含一系列绘图函数的相关函数，每个函数会对当前的图像进行一些修改，例如：给图像加上标记，生新的图像，在图像中产生新的绘图区域等等。
import matplotlib.pyplot as plt引入pyplot库 ，设置别名为plt。
plot()：用于绘制线图和散点图scatter()：用于绘制散点图bar()：用于绘制垂直条形图和水平条形图hist()：用于绘制直方图pie()：用于绘制饼图imshow()：用于绘制图像subplots()：用于创建子图
# 画单条线
plot([x], y, [fmt], *, data=None, **kwargs)
# 画多条线
plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)plot(x, y) # 创建 y 中数据与 x 中对应值的二维线图，使用默认样式
plot(x, y, 'bo') # 创建 y 中数据与 x 中对应值的二维线图，使用蓝色实心圈绘制
plot(y) # x 的值为 0..N-1
plot(y, 'r+') # 使用红色 + 号颜色字符：‘b’ 蓝色，‘m’ 洋红色，‘g’ 绿色，‘y’ 黄色，‘r’ 红色，‘k’ 黑色，‘w’ 白色，‘c’ 青绿色，‘#008000’ RGB 颜色符串。多条曲线不指定颜色时，会自动选择不同颜色。
线型参数：‘‐’ 实线，‘‐‐’ 破折线，‘‐.’ 点划线，‘:’ 虚线。
标记字符：‘.’ 点标记，‘,’ 像素标记(极小点)，‘o’ 实心圈标记，‘v’ 倒三角标记，‘^’ 上三角标记，‘>’ 右三角标记，‘<’ 左三角标记…等等。
绘制直线时
import matplotlib.pyplot as plt
import numpy as np # 引入多维数组
x=np.array([0,6])
y=np.array([0,100])
plt.plot(x,y)
plt.show只想绘制两个点
import matplotlib.pyplot as plt
import numpy as np # 引入多维数组
x=np.array([0,6])
y=np.array([0,100])
plt.plot(x,y，'o')
plt.show如果不指定x的值，那么将会根据y的值来设置
我们可以使用 pyplot 中的 grid() 方法来设置图表中的网格线。
matplotlib.pyplot.grid(b=None, which='major', axis='both', )
//b：可选，默认为 None，可以设置布尔值，true 为显示网格线，false 为不显示，如果设置 kwargs 参数，则值为 true。标题和轴标签
设置图片标题：
plt.title("标题", fontsize=12, loc="center")//loc:left, right, center
设置轴标签：
plt.xlabel("x轴标题", fontsize=12, loc="left")//loc: left, right, center
plt.ylabel("y轴标题", fontsize=12, loc="top")//loc: top, bottom, center
设置横坐标轴刻度范围：plt.xticks(ticks, labels, rotation=90, fontsize=12)
设置纵坐标轴刻度范围：plt.yticks(ticks, labels, rotation=90, fontsize=12)绘制多图
subplot() 方法在绘图时需要指定位置，subplots() 方法可以一次生成多个，在调用时只需要调用生成对象的 ax 即可。
import matplotlib.pyplot as plt
import numpy as np
#plot 1:
xpoints = np.array([0, 6])
ypoints = np.array([0, 100])
plt.subplot(1, 2, 1)
plt.plot(xpoints,ypoints)
plt.title("plot 1")
#plot 2:
x = np.array([1, 2, 3, 4])
y = np.array([1, 4, 9, 16])
plt.subplot(1, 2, 2)
plt.plot(x,y)
plt.title("plot 2")
plt.suptitle("RUNOOB subplot Test")
plt.show()subplots()
matplotlib.pyplot.subplots(nrows=1, ncols=1, *, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, fig_kw)- nrows：默认为 1，设置图表的行数。
- ncols：默认为 1，设置图表的列数。
- sharex、sharey：设置 x、y 轴是否共享属性，默认为 false，可设置为 ‘none’、‘all’、‘row’ 或 ‘col’。 False 或 none 每个子图的 x 轴或 y 轴都是独立的，True 或 ‘all’：所有子图共享 x 轴或 y 轴，‘row’ 设置每个子图行共享一个 x 轴或 y 轴，‘col’：设置每个子图列共享一个 x 轴或 y 轴。
- squeeze：布尔值，默认为 True，表示额外的维度从返回的 Axes(轴)对象中挤出，对于 N1 或 1N 个子图，返回一个 1 维数组，对于 N*M，N>1 和 M>1 返回一个 2 维数组。如果设置为 False，则不进行挤压操作，返回一个元素为 Axes 实例的2维数组，即使它最终是1x1。
- subplot_kw：可选，字典类型。把字典的关键字传递给 add_subplot() 来创建每个子图。
- gridspec_kw：可选，字典类型。把字典的关键字传递给 GridSpec 构造函数创建子图放在网格里(grid)。
- **fig_kw：把详细的关键字参数传给 figure() 函数。
import matplotlib.pyplot as plt
import numpy as np
# 创建一个2x2的子图
fig, axs = plt.subplots(nrows=2, ncols=2)
# 在第一个子图中绘制正弦函数
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
axs[0, 0].plot(x, y1)
axs[0, 0].set_title('Sin(x)')
# 在第二个子图中绘制余弦函数
y2 = np.cos(x)
axs[0, 1].plot(x, y2)
axs[0, 1].set_title('Cos(x)')
# 在第三个子图中绘制正切函数
y3 = np.tan(x)
axs[1, 0].plot(x, y3)
axs[1, 0].set_title('Tan(x)')
# 在第四个子图中绘制正切函数的导数
y4 = 1 / np.cos(x) ** 2
axs[1, 1].plot(x, y4)
axs[1, 1].set_title('Tan\'(x)')
# 调整布局以及子图之间的间距
plt.tight_layout()
# 显示图形
plt.show()
//
第 8~13 行在第一个子图 axs[0,0] 中绘制正弦函数，同时设置了标题为 ‘Sin(x)’。
第 16~21 行在第二个子图 axs[0,1] 中绘制余弦函数，同时设置了标题为 ‘Cos(x)’。
第 24~29 行在第三个子图 axs[1,0] 中绘制正切函数，同时设置了标题为 ‘Tan(x)’。
第 32~37 行在第四个子图 axs[1,1] 中绘制正切函数的导数，同时设置了标题为 ‘Tan’(x)'。散点图
可以用plot或scatter
import numpy as np
import matplotlib.pyplot as plt
height=[160,170,175,186]
weight=[49,50,55,58]
plt.scatter(heigth,weight) #将x和y的数据变成列表
plt.show()折线图
import numpy as np
import matplotlib.pyplot as plt
x=np.linspace(-10,10,100) #从-10到10，等区间分成100份
y=x**2
plt.plot(x,y)
plt.show()
import matplotlib.pyplot as plt
import numpy as np
x=np.array([1,0,2,6])
y=np.array([0,100,12,2])
plt.plot(x,y)
plt.show()条形图
import numpy as np
import matplotlib.pyplot as plt
#------绘制单变量条形图------
n=5
y=[10,20,40,50，60]
index=np.arrage(n)
pl=plt.bar(left=index,height=y,color='red',width=0.5) #left表示横坐标从0到5，高度为y，颜色为红色，宽度为0.5
pl=plt.bar(left=0,bottow=index,width=y,color='red',height=0.5,orientation='horizontal') #left表示横坐标，bottow表示纵坐标，width表示宽度，颜色为红色，高度为0.5，方向为水平方向
plt.show()
#多变量条形图
sales_BJ=[50,55,63,69]
sales_SH=[45,56,58,66]
#绘制并列式的条形图
plt.bar(left=index,height=sales_BJ,colors='red')
plt.bar(left=index+barwidth,height=sales_SH,colors='blue')
plt.show()
直方图
import numpy as np
import matplotlib.pyplot as plt
#-------绘制单变量直方图-------
x=100+no.random.randon(2000) #x是2000个以100为均值的随机数据
plt.hist(x,bins=10，normed=True) #bins表示共有10个直方块,normed表示是否需要标准化数据
plt.show()
#-------绘制双变量直方图-------
x=np.random.randon(2000)+2
y=np.random.randon(2000)+3
plt.hist2d(x,y,bins=40) #用颜色深浅表示频率的大小
plt.show()
饼状图
import numpy as np
import matplotlib.pyplot as plt
labels='A','B','C','D'
fracs=[15,30,45,10]
explode=[0,0.05,0,0] #标签为B的饼块将会离开圆心0.05个距离单位
plt.axes(aspect=1) #绘制正圆
plt.pie(x=fracs,labels=labels,autopct='%.0f%%',explode=explode,shadow=True) #autopct表示数据将会精确到小数点后一位，expolde表示希望着重表示哪一块，shadow表示是否需要添加阴影显得更好看
plt.show()
imshow（）
imshow() 函数是 Matplotlib 库中的一个函数，用于显示图像。
imshow() 函数常用于绘制二维的灰度图像或彩色图像。
imshow() 函数可用于绘制矩阵、热力图、地图等。
imshow(X, cmap=None, norm=None, aspect=None, interpolation=None, alpha=None, vmin=None, vmax=None, origin=None, extent=None, shape=None, filternorm=1, filterrad=4.0, imlim=None, resample=None, url=None, *, data=None, kwargs)绘画矩阵
x = [[1,2],[3,4]]
plt.imshow(x, cmap=plt.cm.gray, alpha=0.5)
plt.text(0, 0, "TP")
plt.text(0, 1, "FP")
plt.text(1, 0, "FN")
plt.text(1, 1, "TN")
plt.xlabel("prediction")
plt.ylabel("label")
plt.xticks([0, 1], ["true", "false"])
plt.yticks([0, 1], ["true", "false"])
//生成与x的形状相同的方块矩阵，与x的内部值没关系，只与其形状有关系
//alpha设置透明度imread
imread() 方法是 Matplotlib 库中的一个函数，用于从图像文件中读取图像数据。可以裁剪图像，也可以改变图像的颜色。
imread() 方法返回一个 numpy.ndarray 对象，其形状是 (nrows, ncols, nchannels)，表示读取的图像的行数、列数和通道数：
- 如果图像是灰度图像，则 nchannels 为 1。
- 如果是彩色图像，则 nchannels 为 3 或 4，分别表示红、绿、蓝三个颜色通道和一个 alpha 通道。
imread() 方法的语法如下：
matplotlib.pyplot.imread(fname, format=None)
fname：指定了要读取的图像文件的文件名或文件路径，可以是相对路径或绝对路径。
format ：参数指定了图像文件的格式，如果不指定，则默认根据文件后缀名来自动识别格式。import matplotlib.pyplot as plt
# 读取图像文件，下载地址：
img = plt.imread('map.jpeg')
# 显示图像
plt.imshow(img)
plt.show()ciscn2023的国粹
根据第一张麻将的图片进行从1开始标记，然后以a.png为横坐标，另一个为纵坐标。
import matplotlib.pyplot as plt
x = [1,1,1,1,2,2,2,2,2,2,2,3,3,3,3,3,3,3,3,3,3,3,4,4,4,4,4,4,4,4,4,4,4,4,4,4,5,5,5,5,5,5,5,5,5,5,5,5,6,6,6,6,6,6,6,6,6,6,6,7,7,7,7,7,7,7,7,7,7,7,7,7,7,7,8,8,8,8,8,8,8,8,8,8,8,8,8,9,9,9,9,9,9,10,10,12,12,12,12,13,13,13,13,13,13,13,13,13,13,13,13,13,13,14,14,14,14,14,14,14,14,15,15,15,15,15,15,15,16,16,16,16,16,16,16,16,17,17,17,17,17,17,17,17,18,18,18,18,18,19,19,19,19,19,19,19,19,19,19,19,19,19,19,19,19,19,19,20,22,22,22,22,22,22,22,22,22,22,22,22,23,23,23,23,23,23,23,23,23,23,23,23,23,24,24,24,24,24,24,24,24,24,24,25,25,25,25,25,25,25,25,25,25,25,26,26,26,26,26,26,26,26,26,26,27,27,27,27,27,27,27,27,27,27,27,28,28,28,28,28,28,28,28,28,28,28,28,28,29,29,29,29,29,31,31,31,31,31,31,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,33,33,33,33,33,33,33,33,33,33,33,34,34,34,34,34,34,34,34,34,35,35,35,35,35,35,35,35,35,35,35,36,36,36,36,36,36,36,37,37,37,37,37,37,37,37,37,38,38,38,38,38,38,38,38,38,38,38,38,38,38,38,38,38,39,39,39]
y = [4,5,10,10,30,3,4,5,6,10,29,30,3,4,10,16.17,22,23,24,25,29,30,2,3,4,5,10,15,16,18,21,22,24,25,29,30,3,4,10,15,17,18,19,21,22,25,28,29,3,4,10,15,16,18,19,21,22,25,29,34,10,11,12,13,15,18,19,22,23,24,25,29,30,3,4,11,12,15,16,17,18,19,20,25,29,30,20,21,23,24,30,31,22,24,22,23,24,25,2,3,3,4,9,10,11,12,16,17,18,19,24,25,2,5,6,9,12,18,22,23,5,9,12,18,19,22,23,4,5,9,12,17,18,23,24,3,4,9,12,16,17,24,25,3,9,12,16,25,3,4,5,6,9,10,11,12,16,17,18,19,21,22,23,24,25,10,11,3,4,5,6,10,11,12,17,18,19,24,25,3,6,7,9,10,16,17,19,20,22,23,24,25,3,6,7,9,10,15,18,19,23,24,3,6,7,10,11,12,16,19,20,24,25,3,6,7,12,13,16,19,20,24,25,3,6,7,9,12,13,16,19,20,24,25,3,4,6,9,10,11,12,16,17,19,20,24,25,4,5,17,18,19,10,11,12,13,25,31,4,5,6,10,11,12,13,17,18,19,23,24,25,26,32,3,4,5,6,7,12,16,17,23,24,26,32,6,7,11,16,17,23,24,26,32,6,11,12,17,18,19,23,24,25,26,33,5,12,13,19,20,26,32,4,5,13,16,19,20,25,26,32,4,5,6,7,9,10,11,12,13,16,17,18,19,24,25,31,32,23,24,31]
plt.plot(x,y,'rH')
plt.show()绘图得到
This piece of writing is an original article, utilizing theCC BY-NC-SA 4.0Agreement. For complete reproduction, please acknowledge the source as Courtesy ofxiaocai
