数据分析与可视化 上机实践1（Numpy 数值计算）

一、实践目的

1.掌握 Numpy 库的使用方法。

2.灵活应用 Numpy 库解决数值计算和图像处理的相关问题。

二、彩色向灰度图转换原理

图像是由若干个像素组成，每个像素有明确的位置和被分配的颜色值。

一张图像就构成了一个像素矩阵。彩色图像的每个像素由 R、G、B 分量构成;分量值介于 0到255 之间。灰度图像是每个像素只有一个采样颜色的图像，显示为从最 暗黑色到最亮的白色的灰度，取值范围 0到255。

彩色图像向灰度图像转换的常用公式为：
Gray = R * 0.299 + G * 0.587 + B * 0.114
利用矩阵运算，即可将彩色图像转换为灰度图像。

三、实践内容要求

  1. 数组的创建
    （1）创建全 0 数组，全 1 数组，随机数数组；

    （2）创建一个数值范围为 0~1，间隔为 0.01 的数组。

  2. 任意创建一个二维数组，对其维度进行操作

    （1）将数组的行变列；

    （2）返回最后一个元素；

    （3）返回第 2 到第 4 个元素；

    （4）返回逆序数组。

  3. 任意创建两个二维的数组 arr1、arr2，对两个数组进行四则运算：arr1+arr2、 arr1-arr2、arr1*arr2、arr1/arr2。

  4. 创建数组 arr3=[3 6 9 3 1 5 7 2]，分别完成排序、去重、总和、累计和、均 值、标准差、方差、最小值和最大值的统计。

  5. 了解图像的构成，结合 Matplotlib 和 NumPy 实现彩色图像到灰色图像的 转换，将彩色图像转换为灰度图像。

  6. 5 的实验步骤包括以下几个： 1. 导入 numpy 和 matplotlib 模块； 2. 读取彩色图像(plt.imread)； 3. 显示彩色图像(plt.imshow)； 4. 通过数组间的运算，计算灰度图像的像素值； 5. 显示灰度图像

四、完成情况

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# 1.数组的创建；

import numpy as np

#（1）创建全 0 数组，全 1 数组，随机数数组；
a = np.zeros((3, 3))
print(a)
b = np.ones((3, 3))
print(b)
c = np.random.random((3, 3))
print(c)

#（2）创建一个数值范围为 0~1，间隔为 0.01 的数组。
a = np.arange(0, 1, 0.01) # 第3个参数为间隔距离
print(a)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
[[0. 0. 0.]
 [0. 0. 0.]
 [0. 0. 0.]]
[[1. 1. 1.]
 [1. 1. 1.]
 [1. 1. 1.]]
[[0.59795796 0.47702449 0.90950593]
 [0.27112045 0.53074871 0.70262116]
 [0.97665706 0.43174363 0.17952276]]
[0.   0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1  0.11 0.12 0.13
 0.14 0.15 0.16 0.17 0.18 0.19 0.2  0.21 0.22 0.23 0.24 0.25 0.26 0.27
 0.28 0.29 0.3  0.31 0.32 0.33 0.34 0.35 0.36 0.37 0.38 0.39 0.4  0.41
 0.42 0.43 0.44 0.45 0.46 0.47 0.48 0.49 0.5  0.51 0.52 0.53 0.54 0.55
 0.56 0.57 0.58 0.59 0.6  0.61 0.62 0.63 0.64 0.65 0.66 0.67 0.68 0.69
 0.7  0.71 0.72 0.73 0.74 0.75 0.76 0.77 0.78 0.79 0.8  0.81 0.82 0.83
 0.84 0.85 0.86 0.87 0.88 0.89 0.9  0.91 0.92 0.93 0.94 0.95 0.96 0.97
 0.98 0.99]
1
2
3
4
5
6
7
8
9
10
11
12
13
# 2. 任意创建一个二维数组，对其维度进行操作；

import numpy as np

a = np.arange(9).reshape(3, 3)
print(a)
print(a.T) # 数组转置
print(a[2, 2]) # 返回最后一个元素值

print(a[0, 2]) # 返回第2到第4个元素
print(a[1, : 2])

print(a[: : -1, : : -1]) # 先对所有行处理返回逆序序列，再对列做逆序处理
1
2
3
4
5
6
7
8
9
10
11
12
[[0 1 2]
 [3 4 5]
 [6 7 8]]
[[0 3 6]
 [1 4 7]
 [2 5 8]]
8
2
[3 4]
[[8 7 6]
 [5 4 3]
 [2 1 0]]
1
2
3
4
5
6
7
8
9
10
# 3.任意创建两个二维的数组 arr1、arr2，对两个数组进行四则运算：arr1+arr2、arr1-arr2、arr1*arr2、arr1/arr2；

import numpy as np

a = np.arange(9).reshape(3, 3) # 0~8的二维方阵
b = np.ones( (3, 3) ) # 全1的方阵
print(a + b)
print(a - b)
print(a * b)
print(a / b)
1
2
3
4
5
6
7
8
9
10
11
12
[[1. 2. 3.]
 [4. 5. 6.]
 [7. 8. 9.]]
[[-1.  0.  1.]
 [ 2.  3.  4.]
 [ 5.  6.  7.]]
[[0. 1. 2.]
 [3. 4. 5.]
 [6. 7. 8.]]
[[0. 1. 2.]
 [3. 4. 5.]
 [6. 7. 8.]]
1
2
3
4
5
6
7
8
9
10
11
12
13
# 4. 创建数组 arr3=[3 6 9 3 1 5 7 2]，分别完成排序、去重、总和、累计和、均值、标准差、方差、最小值和最大值的统计。

import numpy as np

a = np.array([3,6,9,3,1,5,7,2])
print(np.sort(a)) # 升序排列
print(np.unique(a)) # 去重
print(a.sum()) # 求总和
print(a.mean()) # 求均值
print(a.std()) # 求标准差
print(a.var()) # 求方差
print(a.min()) # 求最小值
print(a.max()) # 求最大值
1
2
3
4
5
6
7
8
[1 2 3 3 5 6 7 9]
[1 2 3 5 6 7 9]
36
4.5
2.5495097567963922
6.5
1
9
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
# 5.将彩色图像转换为灰度图像 RGB to GRAY

import numpy as np
import matplotlib.pyplot as plt

# matplotlib.pyplot.imread(path)用于读取一张图片，将图像数据变成数组array.
img = plt.imread('logo.png') # plt读取的通道顺序为R、G、B

# 用subplot展示
plt.figure(figsize = (10, 10))
image1 = plt.subplot(1, 2, 1)
image1.set_title('Raw Image')
plt.imshow(img)

# Gray转化公式，red*0.299 + green*0.587 + blue*0.114
img1 = 0.2989 * img[:,:,0] + 0.5870 * img[:,:,1] + 0.114 * img[:,:,2]
image2 = plt.subplot(1, 2, 2)
image2.set_title('Gray Image')
plt.imshow(img1, cmap = 'gray')

img-202304301449380

五、参考资料

计算机视觉 上机实践一 图像的基本操作