「数据分析师的基础算法应用」使用Python进行数据预处理方法 图像数据 总结

概述文章目录内容介绍图像shape灰度图内容介绍本章节为图像数据处理总结，其中包括图像的特征图像shape、灰度图等内容。文本介绍关于数据分析工作中常用的使用Python进行数据预处理的方法总结。通过对图片数据、数值数字、文本数据、特征提取、特征处理等方面讲解作为

文章目录内容介绍图像shape灰度图

内容介绍

本章节为 图像数据 处理总结，其中包括图像的特征图像shape、灰度图等内容。

文本介绍关于数据分析工作中常用的 使用Python进行数据预处理 的方法总结。通过对图片数据、数值数字、文本数据、特征提取、特征处理等方面讲解作为一名数据分析师常用的数据处理套路。

import skimageimport numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom skimage import io

图像shape

cat = io.imread('./datasets/cat.png')dog = io.imread('./datasets/dog.png')df = pd.DataFrame(['Cat', 'Dog'], columns=['Image'])# 显示图片的维度print(cat.shape, dog.shape)>>> (168, 300, 3) (168, 300, 3)cat #0-255,越小的值代表越暗，越大的值越亮>>> array([[[114, 105,  90],     	   [113, 104,  89],   		   [112, 103,  88],  	       ...,            [127, 130, 121],           [130, 133, 124],           [133, 136, 127]],            	      [[ 33,  27,  29], 	       [ 32,  26,  28],    	   [ 31,  25,  27],           ...,            [131, 131, 131],           [131, 131, 131],           [130, 130, 130]]], dtype=uint8)# plt 显示图片#coffee = skimage.transform.resize(coffee, (300, 451), mode='reflect')fig = plt.figure(figsize = (16,8))ax1 = fig.add_subplot(1,2, 1)ax1.imshow(cat)ax2 = fig.add_subplot(1,2, 2)ax2.imshow(dog)

# 设置不同的色道dog_r = dog.copy() # 红dog_r[:,:,1] = dog_r[:,:,2] = 0 # set G,B pixels = 0dog_g = dog.copy() # 绿dog_g[:,:,0] = dog_r[:,:,2] = 0 # set R,B pixels = 0dog_b = dog.copy() # 蓝dog_b[:,:,0] = dog_b[:,:,1] = 0 # set R,G pixels = 0plot_image = np.concatenate((dog_r, dog_g, dog_b), axis=1)plt.figure(figsize = (10,4))plt.imshow(plot_image)

dog_r>>> array([[[160,   0,   0],           [160,   0,   0],           [160,   0,   0],           ...,            [113,   0,   0],           [113,   0,   0],           [112,   0,   0]],	       ......          [[164,   0,   0],           [164,   0,   0],           [164,   0,   0],           ...,            [209,   0,   0],           [209,   0,   0],           [209,   0,   0]]], dtype=uint8)

灰度图

# 将图片转为黑白色fig = plt.figure(figsize = (16,8))ax1 = fig.add_subplot(2,2, 1)cat_ = Image.open('./datasets/cat.png')cat_ = cat_.convert("L")ax1.imshow(cat_, cmap="gray")ax2 = fig.add_subplot(2,2, 2)dog_ = Image.open('./datasets/dog.png')dog_ = dog_.convert("L")ax2.imshow(dog_, cmap='gray')

总结

以上是内存溢出为你收集整理的「数据分析师的基础算法应用」使用Python进行数据预处理方法 图像数据 总结全部内容，希望文章能够帮你解决「数据分析师的基础算法应用」使用Python进行数据预处理方法 图像数据 总结所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。