Lendo e visualizando imagens

Objetivo

O objetivo deste notebook é demonstrar como carregar, visualizar e manipular imagens para deixá-las prontas para o processamento.

Exemplificaremos as operações usando as duas bibliotecas mas comuns:

Matplotlib
PIL

A biblioteca PIL

A biblioteca PIL, ou Python Image Processing traz para o Python a capacidade de processar imagens. A biblioteca suporta vários formatos de arquivo e poderosas ferramentas de processamento de imagem.

Alguns dos usos da biblioteca são Arquivamento, fazendo processamento em lote de imagens, Exibição, suportando várias interfaces (GUIs) e Processamento, como redimensionamento, rotação, histograma, dentre outras.

Importando a biblioteca PIL



In [38]:

    
import numpy as np
from IPython.display import display
from PIL import Image

Carregando uma imagem



In [39]:

    
img = Image.open('../figures/versicolor.jpg')



In [40]:

    
type(img)
img.size, img.bits, img.format, img.mode









    Out[40]:





((400, 400), 8, 'JPEG', 'RGB')

Mostrando uma imagem PIL

No jupyter-notebook, chamar o objeto que contém a imagem faz com que ela seja mostrada.



In [41]:

    
img









    Out[41]:

Ou também é possível usar o método display da classe IPython.display.



In [42]:

    
display(img)

Dividindo os canais da imagem

Como a imagem anterior é colorida, ela contém os três canais (RGB - red, gree, blue). Com o método split é possível dividir os canais da imagens e visualizar cada um deles separadamente.



In [43]:

    
r,g,b = img.split()



In [44]:

    
r









    Out[44]:



In [45]:

    
g









    Out[45]:



In [46]:

    
b









    Out[46]:

Carregando a imagem com diferentes canais

Também é possível carregar a imagem somente com um canal, em escala de cinza, usando o método convert com o parâmetro L.



In [47]:

    
img1 = Image.open('../figures/versicolor.jpg').convert('L')
img1









    Out[47]:

Salvando uma imagem em disco em formato diferente

Para salvar uma imagem em disco, usamos o método save passando como parâmetro o caminho para salvar a imagem. Caso seja necessário alterar o formato da imagem, é possível passar como parâmetro o formato desejado.



In [48]:

    
img1.save('../figures/versicolor_BW.png','png')

Transformando uma imagem em um array numpy

Para transformar a imagem em um array numpy, usamos o método array da classe numpy.



In [49]:

    
numpy_img = np.array(img)

Mostrando as dimensões da imagem

Neste caso, a imagem possui 3 dimensões: a primeira é altura da imagem, a segundo é a largura da imagem e a terceira contém os canais R, G, B da imagem.



In [50]:

    
numpy_img.shape









    Out[50]:





(400, 400, 3)

No caso acima, a imagem está representada no formato channels last. Existem duas formas principais de representar a imagem no array:

channels first
channels last

Dependendo das bibliotecas a serem usadas, às vezes precisamos trocar as dimensões e passar a informação de canais para a primeira posição. Esta configuração é conhecida como channels-first.



In [51]:

    
numpy_img.transpose(2,0,1).shape









    Out[51]:





(3, 400, 400)

A biblioteca Matplotlib

O Matplotlib é uma biblioteca para plotagem 2D. Com ela é possível plotar pontos, funções, estatísticas e imagens.

Importando a biblioteca

Nota: quando o Matplotlib é usando dentro do Jupyter-Notebook é necessário o uso do comando %matplotlib inline para que os gráficos sejam mostrados.



In [52]:

    
%matplotlib inline
import matplotlib.pyplot as plt

Mostrando uma imagem no Matplotlib

Note que para mostrar uma imagem com a biblioteca Matplotlib, esta já precisa estar carregada em um objeto.

A biblioteca Matplotlib consegue mostrar tanto imagens coloridas no formato PIL quando arrays NumPy no formato channels last.

Mostrando uma imagem no formato array numpy:



In [53]:

    
plt.imshow(numpy_img)









    Out[53]:





<matplotlib.image.AxesImage at 0x10d748780>

Mostrando uma imagem no formato PIL:



In [54]:

    
plt.imshow(img)









    Out[54]:





<matplotlib.image.AxesImage at 0x10e030e10>

Manipulando o plot

Por ser uma biblioteca de plotagem, é possível manipular várias informações do plot, como grid, título, label dos eixos, tamanho da figura, dentre outras.



In [55]:

    
plt.figure(figsize=(15, 10))
plt.title("Iris Versicolor")
plt.imshow(numpy_img)
plt.axis('off')
plt.show()

Mostrando imagens monocromáticas (1 canal) no Matplotlib



In [58]:

    
img2 = Image.open('../figures/versicolor_BW.png')
numpy_img2 = np.array(img2)
numpy_img2.shape









    Out[58]:





(400, 400)

Por padrão, o Matplotlib utiliza uma tabela de cor falsa (pseudo cor) quando visualiza uma imagem de um único canal. A função colorbar() mostra a tabela de cor utilizada:



In [59]:

    
plt.imshow(numpy_img2)
plt.colorbar();

Para visualizar a imagem en tons de cinza, deve-se informar a tabela gray, no parâmetro cmap do imshow.



In [60]:

    
plt.imshow(numpy_img2, cmap='gray')
plt.colorbar()









    Out[60]:





<matplotlib.colorbar.Colorbar at 0x10c1f11d0>

Leitura de imagens com Matplotlib

Existe um cuidado especial quando utilizar o Matplotlib para ler imagens. Dependendo do formato do arquivo da imagem, o arrary NumPy lido pode ser normalizado.



In [91]:

    
import matplotlib.image as mpimg
f = mpimg.imread('../figures/versicolor_BW.png')
f.shape, f.dtype, f.min(), f.max()









    Out[91]:





((400, 400), dtype('float32'), 0.0, 1.0)



In [92]:

    
import matplotlib.image as mpimg
f = mpimg.imread('../figures/versicolor.jpg')
f.shape, f.dtype, f.min(), f.max()









    Out[92]:





((400, 400, 3), dtype('uint8'), 0, 255)