1、ImageCollection批量操作图片
有些时候，我们不仅要对一张图片进行处理，可能还会对一批图片处理。这时候，我们可以通过循环来执行处理，也可以调用程序自带的图片集合来处理。
图片集合函数为：
skimage.io.ImageCollection(load_pattern,load_func=None)这个函数是放在 io 模块内的，带两个参数，第一个参数load_pattern, 表示图片组的路径，可以是一个str字符串。第二个参数load_func是一个回调函数，我们对图片进行批量处理就可以通过这个回调函数实现。回调函数默认为imread(),即默认这个函数是批量读取图片。
# -*- coding: utf-8 -*-
# @Time : 2019/12/10 0:37
# @Author : sxp
# @Email :
# @File : data_type.py
# @Project : python_common
from skimage import io,data_dir,color
import numpy as np
def show_img(img):
io.imshow(img)
io.show()
def convert_gray(f):
rgb = io.imread(f)
return color.rgb2gray(rgb)
if __name__ == '__main__':
path = r"E:\PythonProjects\python_common\skimage\images\lena.jpg"
# img = io.imread(path)
print("#############skimage自带图片集合###############")
str = data_dir + '/*.png'
coll = io.ImageCollection(str)
print('coll num = {}'.format(len(coll)))
show_img(coll[0])
print("#############同时读取批量多格式图片###############")
str = 'E:\PythonProjects\python_common\skimage\images\*.jpg;' \
'E:\PythonProjects\python_common\skimage\images\*.png'
coll_1 = io.ImageCollection(str)
print('coll_1 num = {}'.format(len(coll_1)))
io.ImageCollection()这个函数省略第二个参数，就是批量读取。如果我们不是想批量读取，而是其它批量操作，如批量转换为灰度图，那又该怎么做呢？
那就需要先定义一个函数，然后将这个函数作为第二个参数，如：
# -*- coding: utf-8 -*-
# @Time : 2019/12/10 0:37
# @Author : sxp
# @Email :
# @File : data_type.py
# @Project : python_common
from skimage import io,data_dir,color
import numpy as np
def show_img(img):
io.imshow(img)
io.show()
def convert_gray(f):
rgb = io.imread(f)
return color.rgb2gray(rgb)
if __name__ == '__main__':
path = r"E:\PythonProjects\python_common\skimage\images\lena.jpg"
# img = io.imread(path)
print("#############skimage自带图片集合###############")
str = data_dir + '/*.png'
coll = io.ImageCollection(str,load_func=convert_gray)
print('coll num = {}'.format(len(coll)))
show_img(coll[0])
2、用于视频处理
from skimage import data_dir,io,color
class AVILoader:
video_file = 'myvideo.avi'
def __call__(self, frame):
return video_read(self.video_file, frame)
avi_load = AVILoader()
frames = range(0, 1000, 10) # 0, 10, 20, ...
ic =io.ImageCollection(frames, load_func=avi_load)这段代码的意思，就是将myvideo.avi这个视频中每隔10帧的图片读取出来，放在图片集合中。
得到图片集合以后，我们还可以将这些图片连接起来，构成一个维度更高的数组，连接图片的函数为：
skimage.io.concatenate_images(ic)
带一个参数，就是以上的图片集合，如：
from skimage import data_dir,io,color
coll = io.ImageCollection('d:/pic/*.jpg')
mat=io.concatenate_images(coll)使用concatenate_images(ic)函数的前提是读取的这些图片尺寸必须一致，否则会出错。我们看看图片连接前后的维度变化：
from skimage import data_dir,io,color
coll = io.ImageCollection('d:/pic/*.jpg')
print(len(coll)) #连接的图片数量
print(coll[0].shape) #连接前的图片尺寸，所有的都一样
mat=io.concatenate_images(coll)
print(mat.shape) #连接后的数组尺寸
#2
#(870, 580, 3)
#(2, 870, 580, 3)3、例：把系统自带的所有png示例图片，全部转换成256*256的jpg格式灰度图，保存在d:/data/文件夹下
改变图片的大小，我们可以使用tranform模块的resize()函数，后续会讲到这个模块。
# -*- coding: utf-8 -*-
# @Time : 2019/12/10 0:37
# @Author : sxp
# @Email :
# @File : data_type.py
# @Project : python_common
from skimage import io,data_dir,color,transform
import numpy as np
def show_img(img):
io.imshow(img)
io.show()
def convert_gray(f):
rgb = io.imread(f)
gray = color.rgb2gray(rgb)
dst = transform.resize(gray,(256,256))
return dst
if __name__ == '__main__':
path = r"E:\PythonProjects\python_common\skimage\images\lena.jpg"
save_dir = r''
# img = io.imread(path)
print("#############skimage自带图片集合###############")
str = data_dir + '/*.png'
coll = io.ImageCollection(str,load_func=convert_gray)
for i in range(len(coll)):
io.imsave(save_dir+np.str(i)+'.jpg',coll[i])