原文来自：http://www.analyticsvidhya.com/blog/2015/01/basics-image-processing-feature-extraction-python/
毫无疑问，上面的那副图画看起来像一幅电脑背景图片。这些都归功于我的妹妹，她能够将一些看上去奇怪的东西变得十分吸引眼球。然而，我们生活在数字图片的年代，我们也很少去想这些图片是在怎么存储在存储器上的或者去想这些图片是如何通过各种变化生成的。
在这篇文章中，我将带着你了解一些基本的图片特征处理。data massaging 依然是一样的：特征提取，但是这里我们还需要对跟多的密集数据进行处理，但同时数据清理是在数据库、表、文本等中进行。这是如何对图片进行处理的呢？我们将看到图片是怎么存储在硬盘中的，同时我们可以通过使用基本的操作来处理图片。
导入图片
在python中导入图片是非常容易的。下面的代码就是python如何导入代码的:
image = imread(r"C:\Users\Tavish\Desktop\7.jpg") show_img(image) red, yellow = image.copy(), image.copy() red[:,:,(1,2)] = 0 yellow[:,:,2]=0 show_images(images=[red,yellow], titles=['Red Intensity','Yellow Intensity']) from skimage.color import rgb2gray gray_image = rgb2gray(image) show_images(images=[image,gray_image],titles=["Color","Grayscale"]) print "Colored image shape:", image.shape print "Grayscale image shape:", gray_image.shape from skimage.filter import threshold_otsu thresh = threshold_otsu(gray_image) binary = gray_image > thresh show_images(images=[gray_image,binary_image,binary],titles=["Grayscale","Otsu Binary"]) from skimage.filter import gaussian_filter blurred_image = gaussian_filter(gray_image,sigma=20) show_images(images=[gray_image,blurred_image],titles=["Gray Image","20 Sigma Blur"])
