🚀写在前面🚀
🖊个人主页：https://blog.csdn.net/m0_52051577?type=blog
🎁欢迎各位大佬支持点赞收藏，三连必回！！
❀愿每一个骤雨初晴之时，所有的蜻蜓振翅和雨后惊雷，都归你。
目录
一、前言
二、认识图像
三、用到的库
（1）Numpy
（2）OpenCV
（3）Matplotlib
四、代码实操
numpy%EF%BC%89-toc" style="margin-left:40px;">（1）矩阵创建（numpy）
1、创建方式一：常规array法创建
2、创建方式二：zero初始化法
3、创建方式三：ones创建法
4、创建方式四：单位矩阵创建
（2）三个重要属性
（3）基本操作
（4）矩阵运算
（5）获取元素
（6）绘图函数
（7）读取显示图像
注：相关图片资源可在积分资源中获取，相关链接：https://download.csdn.net/download/m0_52051577/87844285?spm=1001.2014.3001.5503
一、前言
二、认识图像
说明：分辨率：像素点的数量（1080P：1920✖1080）
PPI（像素密度）：每英寸所拥有的像素数量
其中square表示屏幕尺寸
相同尺寸下，像素点越多，图片的分辨率越高，图片的像素密度越高，看起来也就越清晰。
三、用到的库
（1）Numpy
在图像处理中主要用于
※导入库
※元素、向量处理
※矩阵属性
※加减乘除、立方、开根
※最大值、最小值、平均值
※矩阵乘法
※元素获取
（2）OpenCV
在图像处理中主要用于
※导入库
※读取图片
※显示图片
※保存图片
（3）Matplotlib
在图像处理中主要用于
※导入库
※绘制折线图
※绘制柱状图
※绘制xy坐标
※绘制标题
※显示图片
这里提供几个库的安装命令：
pip install numpy matplotlib -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
pip install pandas scipy scikit-learn scikit-image -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
pip install opencv-python -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
pip install jupyter -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
pip install jupyterlab -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
四、代码实操
numpy%EF%BC%89">（1）矩阵创建（numpy）
python">#导入库
import numpy as np1、创建方式一：常规array法创建
python">A = np.array([
[1,2,3],
[4,5,6],
[7,8,9]
]) 
2、创建方式二：zero初始化法
python">B = np.zeros((3,4))
3、创建方式三：ones创建法
python">C = np.ones((3,4), dtype=np.int64)
E = np.ones((2,4,3)) 
注：其中zero函数与ones函数创建格式相同，其中（3，4）表示创建3行4列的二维数组，或三个四维行向量。 （2，4，3）表示创建一个2页4行3列的三维数组。
np.ones函数的应用非常广泛，它可以被广泛用于科学计算、图像处理、机器学习、深度学习等领域。
4、创建方式四：单位矩阵创建
python">D = np.identity(4) 
创建4阶的单位矩阵。
（2）三个重要属性
python">print('A.dtype =', A.dtype) #类型
print('A.ndim =', A.shape) #表示各位维度大小的元组。返回的是一个元组。
print('A.ndim =', A.ndim) #ndim返回的是数组的维度，返回的只有一个数，该数即表示数组的维度。
A1 = A.reshape((1,9))
print(A1) # 有几个方括号，就有几个维度
A1 = A1.astype(np.float32)#转换数组的数据类型。
（3）基本操作
python"># 加减乘除
B = A + 2
C = A / 2
print(A)
print(B)
print(C)
python"># 平方、开根、对数
B = np.power(A, 0.5)
C = np.sqrt(A)
D = np.log(A)
print(B)
print(C)
print(D) 
python"># 最大值、最小值、平均值
ma1 = A.max()
ma2 = np.max(A)
mi1 = A.min(axis=0)
mi2 = np.min(A, axis=0)
me1 = A.mean(axis=1)
me2 = np.mean(A, axis=1)python"># 转置
print(A)
print(A.T)
print(A.transpose())
print(np.transpose)
（4）矩阵运算
python">x = np.array([1, 1, 2])
z1 = A * x
z2 = A @ x
z3 = A.dot(x)
print(z1)
print(z2)
print(z3)
B = np.ones((3,3), dtype=np.int)
Z1 = A * B # 逐元素相乘
Z2 = A @ B # 矩阵乘法
Z3 = A.dot(B) #获取两个元素a,b的乘积
print(Z1)
print(Z2)
print(Z3) 
（5）获取元素
python">u = np.arange(2, 10, 2)
print(u)
arange()函数：（2，10，2）获取[2，10)之间以2为步长的元素。
python">E = np.random.randint(0, 10, (5,5), dtype=np.int)
# 获取子矩阵
E1 = E[0:3, 0:3].copy()
print(E1) 
python">E1.flatten()#返回一个一维数组。 
（6）绘图函数
python">A1 = np.random.randint(0, 10, (10,10))
print(A1)
bins = np.arange(-0.5, 10, 1)
plt.hist(A1.flatten(), bins=bins, rwidth=0.8, color='green')
plt.xticks(range(0,10))
plt.show()创建数组A1：
创建了10×10的二维数组，其中每行的元素为[0,10)的数字。
根据创建的数组绘制图像：
其中，bins是一个范围，采用-0.5到10的范围，间隔为1。
（7）读取显示图像
python">img1 = cv.imread('D:\\proclass\\class\\pic\\apple.jpg')
img1 = cv.cvtColor(img1, cv.COLOR_BGR2RGB)
plt.imshow(img1)
plt.show() 
python">#读取灰度图
img2 = cv.imread('D:\\proclass\\class\\pic\\apple.jpg', 0)
plt.imshow(img2, cmap='gray')
plt.show() 
输出两张图片的维度发现，图1为3维，即彩色颜色通道，图2为2维，即黑白颜色通道。
