3.3 Scikit-image:图像处理

作者: Emmanuelle Gouillart

scikit-image是专注于图像处理的Python包,并且使用原生的Numpy数组作为图像对象。本章描述如何在不同图像处理任务上使用scikit-image,并且保留了其他科学Python模块比如Numpy和Scipy的链接。

也可以看一下:对于基本图像处理,比如图像剪切或者简单过滤,大量简单操作可以用Numpy和SciPy来实现。看一下使用Numpy和Scipy图像操作和处理部分

注意,在阅读本章之前你应该熟悉前面章节的内容,比如基础操作,比如面具和标签作为先决条件。

章节内容

  • 介绍和观点
    • scikit-imageSciPy生态系统
    • scikit-image能发现什么
  • 输入/输出, 数据类型和 颜色空间
    • 数据类型
    • 颜色空间
  • 图像预处理/增强
    • 本地过滤器
    • 非-本地过滤器
    • 数学形态学
  • 图像细分
    • 二元细分: 前景 + 背景
    • 基于标记的方法
  • 测量区域的属性
  • 数据可视化和交互

3.3.1 介绍和观点

图像是NumPy的数组np.ndarray

图像: np.ndarray
像素: array values: a[2, 3]
渠道: array dimensions
图像编码: dtype (np.uint8, np.uint16, np.float)
过滤器: functions (numpy, skimage, scipy)

In [1]:

%matplotlib inline
import numpy as np
check = np.zeros((9, 9))
check[::2, 1::2] = 1
check[1::2, ::2] = 1
import matplotlib.pyplot as plt
plt.imshow(check, cmap='gray', interpolation='nearest')

Out[1]:

<matplotlib.image.AxesImage at 0x105717610>

3.3.1.1 scikit-image 和 SciPy 生态系统

最新版的scikit-image包含在大多数的科学Python发行版中,比如,Anaconda或Enthought Canopy。它也包含在 Ubuntu/Debian。

In [6]:

import skimage
from skimage import data  # 大多数函数在子包中

大多数scikit-image函数用NumPy ndarrays作为参数

In [6]:

camera = data.camera()
camera.dtype

Out[6]:

dtype('uint8')

In [7]:

camera.shape

Out[7]:

(512, 512)

In [8]:

from skimage import restoration
filtered_camera = restoration.denoise_bilateral(camera)
type(filtered_camera)

Out[8]:

numpy.ndarray

其他Python包也可以用于图像处理,并且使用Numpy数组:

  • scipy.ndimage : 对于 nd-arrays。基础过滤、数学形态学和区域属性
  • Mahotas 同时,强大的图形处理库有Python封装:
  • OpenCV (计算机视觉)
  • ITK (3D图像和注册)
  • 其他 (但是,他们没有那么Pythonic也没有Numpy友好,在一定范围)。

3.3.1.2 scikit-image能发现什么

3.3.2 输入/输出, 数据类型和颜色空间

I/O: skimage.io

In [4]:

from skimage import io

读取文件: skimage.io.imread()

In [7]:

import os
filename = os.path.join(skimage.data_dir, 'camera.png')
camera = io.imread(filename)

支持所有被Python Imaging Library(或者imread plugin关键词提供的任何I/O插件)的数据格式。 也支持URL图片路径:

In [3]:

logo = io.imread('http://scikit-image.org/_static/img/logo.png')

存储文件:

In [4]:

io.imsave('local_logo.png', logo)

(imsave也用外部插件比如PIL)

3.3.2.1 数据类型

图像ndarrays可以用整数(有符号或无符号)或浮点来代表。

小心整数类型的溢出

In [8]:

camera = data.camera()
camera.dtype

Out[8]:

dtype('uint8')

In [8]:

camera_multiply = 3 * camera

可用不同的整型大小: 8-, 16- 或 32-字节, 有符号或无符号。

一个重要的 (如果有疑问的话) skimage 惯例: 图像浮点支持在[-1, 1] (与所以浮点图像相对)

In [9]:

from skimage import img_as_float
camera_float = img_as_float(camera)
camera.max(), camera_float.max()

Out[9]:

(255, 1.0)

一些图像处理程序需要应用在浮点数组上,因此,输出的数组可能类型和数据范围都与输入数组不同

In [9]:

try:
    from skimage import filters
except ImportError:
    from skimage import filter as filters
camera_sobel = filters.sobel(camera)
camera_sobel.max()

Out[9]:

0.5915023652179584

在上面的例子中,我们使用scikit-image的子模块filters,在0.11到0.10版本间,filter被重命名为filters,为了避免与Python内置的filter冲突。

skimage提供了下列skimage实用的函数来转化dtype和data range: util.img_as_floatutil.img_as_ubyte等。

看一下用户手册来了解细节。

In [ ]:

An important (if questionable) skimage convention: float images are supposed to lie in [-1, 1] (in order to have comparable contrast for all float images)

In [ ]:

3.3.1. Introduction and concepts

Images are NumPy’s arrays np.ndarray
powered by Gitbook 该教程制作时间: 2016-03-21 18:58:53