原文連結：http://tecdat.cn/?p=9015
在本文中，我将帶您了解圖像處理的一些基本功能。特征提取。但是這裡我們需要更深入的資料清理。但是資料清理是在資料集，表格，文本等上完成的。如何在圖像上完成？
導入圖像
用python導入圖像很容易。以下代碼将幫助您在Python上導入圖像：
image = imread(r"C:\Users\Desktop\7.jpg")
show_img(image) 複制
了解基礎資料
該圖像具有多種顔色和許多像素。為了可視化該圖像的存儲方式， 将每個像素視為矩陣中的一個單元。現在，該單元格包含三種不同的強度資訊，分别對應于紅色，綠色和藍色。是以，RGB圖像變為3-D矩陣。
red, yellow = image.copy(), image.copy()
red[:,:,(1,2)] = 0
yellow[:,:,2]=0
show_images(images=[red,yellow], titles=['Red Intensity','Yellow Intensity']) 複制
将圖像轉換為二維矩陣
在特征提取中，如果将圖像壓縮為二維矩陣，則變得更加簡單。這是通過灰階或二值化完成的。
這是将RGB圖像轉換為灰階的方法：
現在，讓我們嘗試對該灰階圖像進行二值化處理。這是通過找到門檻值并标記灰階像素來完成的。在本文中，我使用了Otsu的方法來找到門檻值。
模糊影像
我們将在本文中介紹的最後一部分與特征提取更相關：圖像模糊。灰階或二進制圖像有時會捕獲比所需圖像更多的圖像，在這種情況下模糊處理非常友善。
在上面的圖檔中，經過模糊處理後，我們可以清楚地看到鞋子現在已達到與鐵路軌道相同的強度水準。是以，該技術在很多圖像處理場景中非常友善。