先说明一下为什么要将
数组转
换成Image类。我处理的
图像
是FITS (Flexible Image Transport System)文件，是一种灰度
图像
文件，也就是单通道
图像
。
FITS
图像
的特点是灰度值取值为0~65535，这类
图像
在
python
下读成数组首先是不能直接转换成位图，也就不能用
OpenCV
、Image等方法了。
如果是普通的jpg
图像
，用自带的Image库就能实现很多功能。
下方的这幅图就是通过
python
下的Image库中的rotate函数实现的
接下来贴上代码。
import Image
import numpy as np
#生成一个数组，维度为100*100，灰
最近学了些
opencv
，想把摄像头拍到的
图像
通过
opencv
显示
出来，摄像头拍到的数据存到二维数组中，然后通过
opencv
显示
，大概的程序如下：
unsigned char graph[64][128];//摄像头拍到的数据
IplImage* img = cvCreateImage( cvSize(64,128), 16, 1 ); //size为
图像
计算机视觉是人工智能最热门的应用领域之一。人工智能技术推动了汽车自动驾驶、机器人以及各种照片处理类软件的巨大发展。目标检测技术也在稳步推进。生成对抗网络（GANs）同样也是人们最近比较关注的一个问题。这些都在向我们展示未来计算机视觉领域的发展前景是多么的不可限量。让我们一起登上人工智能发展的高速列车。从本文开始，我们将有一系列关于
图像
处理和目标检测基础知识的教程。本篇是
OpenCV
入门教程第一部分，完整的系列教程如下：1.理解颜色模型与在
图像
上绘制图形（
图像
处理基本操作）。2.基本的
图像
处理与过滤。3.从特征检测到人脸检测（TBU）本系列的第一部分将从
Opencv
的安装，结合代码实战讲解颜色模
楼主是硬件方向，FPGA+ARM架构。最近FPGA加速处理比较火，楼主打算加速下
图像
处理算法，于是想到了
OPENCV
。
刚接触，不知道在
OPENCV
中怎么把一个灰度
图像
数组转
化成
图像
显示
出来，查了好多帖子都答非所问，于是自学了下站长的《
OPENCV
入门》。
软件环境：win7 64bit
vs2013+
opencv
3.1 x64环境下Debug
import
cv2
img=np.random.randint(0,256,size=[256,256,3],dtype=np.uint8)
#颜色范围0-255，大小256*256,三通道彩色
cv2
.imshow("img...
背景故事：我需要对一张
图片
做一些处理，是在
图像
像素级别上的数值处理，以此来反映
图片
中特定区域的
图像
特征，网上查了很多，大多关于
opencv
的应用教程帖子基本是停留在打开
图片
，提取像素重新写入
图片
啊之类的基本操作，我是要取
图片
中的特定区域再提取它的像素值，作为一个初学者开始接触
opencv
简直一脸懵，慢慢摸索着知道了
opencv
的一些函数是可以实现的像SetImageROI()函数设置ROI区域，即感兴趣区域，就很好用啊，总之最后是实现了自己想要的功能。现在看个程序确实是有点挫，也有好多多余的没必要的代码，但毕竟算一次码代码的历程，就原模原样贴在这里吧。
代码功能：在
python
下用
opencv
def image_to_base64(image_np):
image =
cv2
.imencode('.jpg',image_np)[1]
image_code = str(base64.b64encode(image))[2:-1]
return image_code
将base64编码解析成
opencv
可用
图片
def base64_to_image(base64_code):
# base64解码
img_data = base64.b64decode(base64_code)
# 转换为np数组
img_a
上个版本的
Python
OpenCV
图片
局部区域像素值处理，虽然实现了我需要的功能，但还是走了很多弯路，我意识到
图片
本就是数组形式，对于8位灰度图，通道数为1,它就是个二位数组，这样就没有必要再设置ROI区域，复制出来这块区域再循环提取像素存入数组进行处理了，可以直接将
图片
存入数组，再利用numpy进行切分相应的数组操作就可以了，这样一想就简单很多了，这篇我会贴出修改后的代码，直接省去了大段的代码啊。
ps：这次我重新装的
opencv
3.2.0版本，代码里面直接用
cv2
了
# 查看
opencv
版本，终端输入：
$ pkg-config --modversion
opencv
cv_img_c
1.生成普通
python
数组(bytearray(),os.urandom())
2.转换成numpy数组(numpy.array())
3.通过reshape将
数组转
换到所需的维数
4.以
图像
的形式
显示
出来(cv.imshow())
import os
import
cv2
as cv
import numpy as np
# Make an array of 120000 random bytes
randomByteArray = bytearray(os.urandom(120000))
# translate into numpy array
flatNumpyAr
1.生成普通
python
数组(bytearray(),os.urandom())
2.转换成numpy数组(numpy.array())
3.通过reshape将
数组转
换到所需的维数
4.以
图像
的形式
显示
出来(cv.imshow())
import os
import
cv2
as cv
import numpy as np
# Make an array of 1...
height = image.shape[0] #
图片
垂直尺寸
width = image.shape[1] #
图片
水平尺寸
channel = image.shape[2] #
图片
通道数
print("width: %s, he
你可以使用numpy库来将多个
图片
存放在一个数组中。首先，使用
OpenCV
库将每个
图片
读取进来，然后使用numpy库将它们存储在一个numpy数组中。代码如下所示：
import
cv2
import numpy as np
# 读取三个
图片
img1 =
cv2
.imread('image1.jpg')
img2 =
cv2
.imread('image2.jpg')
img3 =
cv2
.imread('image3.jpg')
# 将它们放在一个numpy数组中
images = np.array([img1, img2, img3])
现在，你可以使用images数组来访问这三个
图片
中的任何一个。例如，要访问第一个
图片
，你可以使用以下代码：
first_image = images[0]
这将返回一个numpy数组，其中包含第一个
图片
的所有像素值。你可以使用类似的方式来访问其他
图片
。
