skimage模块

可以用来做图像做处理的模块有很多,不过对于使用python不熟悉,或者刚使用python做图像处理的时候,经常不知道应该选择使用哪些模块。比如,scipy中misc和ndimage中都有相应的图像处理函数,现在就介绍一下scikit-image模块吧:

1)例图: 

from skimage import data
data里面会有样图,如data.camera()是一张(512, 512)的图;



2)滤波

from skimage import filters
比如高斯滤波,filters.gaussian(camera, 1)

比如边缘检测:filters.sobel(camera)



3)文件读取

from skimage import io

io.imread(filename),其中,filename也可以是URL地址;

io.imsave(path, img).



4)数据类型转换

from skimage import img_as_float

camera_f = img_as_float(camera)将原图uint8类型转变成[-1, 1]之间的范围;




5)颜色空间转换

from skimage import color

color.rgb2hsvcolor.lab2rgb, etc.



关于图像预处理和增强

6)局部滤波,如filters.sobel_h(img)



7)非局部滤波,如

rom skimage import exposure

中exposure.equalize_hist(img)做直方图均衡;




8)数学形态变换

from skimage import morphology
具体图形生成:比如morphology.diamond(1)生成菱形;

腐蚀操作:morphology.binary_erosion(img, selem=None)

selem表示结构元素,用于设定局部区域的形状和大小。将0值扩充到邻近像素。扩大黑色部分,减小白色部分。可用来提取骨干信息,去掉毛刺,去掉孤立的像素。

膨胀操作:morphology.binary)dilation(img, selem = None)

一般对二值图像进行操作。找到像素值为1的点,将它的邻近像素点都设置成这个值。1值表示白,0值表示黑,因此膨胀操作可以扩大白色值范围,压缩黑色值范围。一般用来扩充边缘或填充小的孔洞。

Opening: erosion + dilation

注:该操作也适用于非二值图,即灰度图,对应的是最小滤波

(scipy.ndimage.morphology同样也有该操作)




9)图像分割

基于直方图分析的二值分割:(Otsu阈值法)如:val = filters.threshold(img)找到阈值,然后通过mask = img < val得到二值图

图像打标签:对于分割后的图像,可以给每一个区域打标签,如

from skimage import measure

all_labels = measure.label(blobs)

另外,scipy中也有相应操作;

水域分割算法(也叫分水岭算法): 

from skimage.morphology import watershed 
from skimage.feature import peak_local_max

from scipy import ndimage
>>> distance = ndimage . distance_transform_edt ( image ) >>> local_maxi = peak_local_max ( distance , indices = False , footprint = np . ones (( 3 , 3 )), labels = image ) >>> markers = morphology . label ( local_maxi ) >>> labels_ws = watershed ( - distance , markers , mask = image ) 另一个 随机walker分割

from skimage import segmentation
>>> # Transform markers image so that 0-valued pixels are to >>> # be labelled, and -1-valued pixels represent background >>> markers [ ~ image ] = - 1 >>> labels_rw = segmentation . random_walker ( image , markers )




10)测量区域属性,如面积和周长

properties = measure.regionprops(labels_rw)
>>> [ prop . area for prop in properties ] [770, 1168] >>> [ prop . perimeter for prop in properties ] [100.91..., 126.81...]



11)数据可视化和交互

matplotlib中提供了plt.imshow等函数,结合以上滤波、分割(segmentation.clear_border(mask))等使用

另外,skimage也提供显示图像的函数,不过也是基于matplotlib,貌似功能更强大:

from skimage import viewer
>>> new_viewer = viewer . ImageViewer ( coins ) >>> new_viewer . show ()

For more interaction, plugins can be added to the viewer:

>>>
>>> new_viewer = viewer.ImageViewer(coins) 
>>> from skimage.viewer.plugins import lineprofile >>> new_viewer += lineprofile . LineProfile () >>> new_viewer . show ()




12)CV中的特征提取

from skimage import feature

不同角点特征:

from skimage.feature import corner_harris, corner_subpix, corner_peaks

//补充角点特征知识点

另外skimage.transform提供扭曲和仿射变换操作wrap和AffineTransform

//待补充其它特征提取函数

你可能感兴趣的:(python语言)