python图像处理之scikit-image基本用法
本文介绍Python语言用于数字图像处理，那么要使用python进行各种开发和科学计算，需要对应相对的python包，
python有很多的数字图像处理相关的包，像
- PIL
- Pillow
- OpenCV
- scikit-image
- 等等
其中PIL和Pillow只提供最基础的数字图像处理，功能有限；
opencv实际上是一个c++库，只是提供了python接口，
scikit-image是基于scipy的一款图像处理包，它将图片作为numpy数组进行处理，正好与matlab一样，因此，我们最终选择scikit-image进行数字图像处理。
python库安装
可以通过pip进行安装
sudo pip install xxxx
scikit-image是基于numpy，因此需要安装numpy和scipy，同时需要安装matplotlib进行图片的实现等。
因此，需要安装如下的包：
numpy (1.13.3)
matplotlib (2.1.0)
scikit-image (0.13.1)
scipy (1.0.0)也可以直接下载集成开发环境Anaconda,该环境已经集成了数字图像处理相关的包，因此安装起来比较方便。
可以通过如下程序简单测试下相关库是否安装成功
import numpy as np
import scipy as sp
import matplotlib.pyplot as plt
from skimage import io
img = io.imread("./cat.png")
print(img.shape)
plt.imshow(img)
plt.show()
若显示正常，则可以认为相关的库安装成功
skimage库子模块介绍
skimage库的全称scikit-image Scikit， 是对scipy.ndimage进行了扩展，提供了更多的图片处理功能。skimage包含很多的子模块，各个子模块具有不同的功能，如下
| 子模块名称 | 实现功能 |
|---|---|
| io | 读取,保存和显示图片和视频 |
| color | 颜色空间变换 |
| data | 提供一些测试图片和样本数据 |
| filters | 图像增强，边缘检测，排序滤波器，自动阈值等 |
| draw | 操作于numpy数组上的基本图形绘制，包括线条，矩阵，圆和文本等 |
| transform | 几何变换和其他变换，如旋转，拉伸和Radon(拉东)变换等 |
| exposure | 图像强度调整，例如，直方图均衡化等 |
| feature | 特征检测和提取， 例如，纹理分析等 |
| graph | 图论操作，例如，最短路径 |
| measure | 图像属性测量，例如，相似度和轮廓 |
| morphology | 形态学操作，如开闭运算，骨架提取等 |
| novice | 简化的用于教学目的的接口 |
| restoration | 修复算法，例如去卷积算法，去噪等 |
| segmentation | 图像分割为多个区域 |
| util | 通用工具 |
| viewer | 简单图形用户界面用于可视化结果和探索参数 |
当要使用对应的模块中功能函数时，需要通过import导入对应的子模块即可, 若要导入多个子模块时，子模块之间用逗号隔开，如下：
from skimage import io, data, feature
skimage操作
图像读取, 保存与显示
skimage中io子模块提供了相关的功能，同时也提供了一些data模块，其中包含一些示例图片用于练习
导入io子模块的python语句如下:
from skimage import io
从外部读取图片并显示
使用 skimage.io.imread(fname) 读取fname指定的图片，
skimage.io.imshow(arr)， 表示显示arr数组表示的图片
from skimage import io
img = io.imread('./cat.png')
io.imshow(img)
io.show()
读取单张灰度图片时，使用 skimage.io.imread(fname, as_grey=True) 函数，第一个参数fname表示要显示的图片路径，第二个参数as_grey，是bool类型，默认值False。
from skimage import io
img = io.imread('./cat.png', as_grey=True)
io.imshow(img)
io.show()
skimage自带图片
| 图片名称 | 说明 |
|---|---|
| astronaut | 宇航员 |
| binary_blobs | 二元斑点 |
| camera | 相机 |
| checkerboard | 棋盘 |
| chelsea | 猫 |
| clock | 时钟 |
| coffee | 一杯咖啡 |
| coins | 硬币 |
| horse | 马 |
| hubble_deep_field | 星空 |
| immunohistochemistry | 结肠图片 |
| logo | 商标 |
| moon | 月球表面 |
| page | 书页内容 |
| rocket | 火箭 |
| text | 文字图片 |
例如
from skimage import io, data
img = data.hubble_deep_field()
io.imshow(img)
io.show()
图片名就是对应的函数名，如camera图片对应的函数名为 data.camera()。
注：这些图片存储在skimage的安装目录下，可以通过data_dir把路径打印出来。
from skimage import data_dir
print (data_dir)
输出为：
/usr/local/lib/python3.6/dist-packages/skimage/data保存图片
使用 io.imsave(fname, arr) 函数进行保存,
- 参数fname: 表示保存的路径和名称
- 参数arr：表示需要保存的数组变量
from skimage import io, data
img = data.checkerboard()
io.imshow(img)
io.imsave('checkerboard_copy.jpg', img)
这样，在当前的工作目录下就增加了一个checkerboard_copy.jpg文件。
注：保存图片同时也起到了转换格式的作用，若读取的是png格式图片，当保存为jpg时，则图片从png格式转换为jpg格式图片。
获取图片信息
from skimage import io, data
img = data.chelsea()
io.imshow(img)
io.show()
print(type(img)) # 类型
print(img.shape) # 形状
print(img.shape[0]) # 图片宽度
print(img.shape[1]) # 图片高度
print(img.shape[2]) # 图片通道数
print(img.size) # 显示总像素个数
print(img.max()) # 最大像素值
print(img.min()) # 最小像素值
print(img.mean()) # 像素平均值
输出如下
图像像素访问与裁剪
图片读入程序后，以numpy数组方式存储，因此对numpy数组的操作，都可以用于图片数组，对数组元素的访问，实际上就是对图片像素点的访问。
像素读取
对 彩色图片 的像素点访问方式如下
img[i, j, c]
其中：
- i 表示图片的行数
- j 表示图片的列数
- c 表示图片的通道数(RGB三通道分别对应0, 1, 2)。
坐标从左上角开始
对 灰度图片 的像素点访问方式如下
gray[i, j]
例如， 对data中宇航员图片的B通道中的第20行10列的像素值
from skimage import io, data
img = data.astronaut()
pixel = img[20, 10, 2]
print(pixel)
输出
69例如，显示红色单通道图片的程序如下
from skimage import io, data
img = data.astronaut()
R = img[:, :, 0]
io.imshow(R)
io.show()
输出为：
像素修改
例如，对宇航员图片随机添加椒盐噪声
from skimage import io, data
import numpy as np
img = data.astronaut()
# 随机生成5000个椒盐点
rows, cols, dims = img.shape
for i in range(5000):
x = np.random.randint(0, rows)
y = np.random.randint(0, cols)
img[x, y, :] = 255
io.imshow(img)
io.show()
输出如下：
此处，使用numpy中的random来产生随机数， randint(0, cols)表示随机生成一个整数， 范围在0到cols之间。
图片裁剪
由于图片是以numpy数组进行存储，因此对于数组的裁剪，就是对图片的裁剪
例如，对宇航员图片进行裁剪
from skimage import io, data
img = data.astronaut()
partial_img = img[50:150, 170:270, :]
io.imshow(partial_img)
io.show()
输出结果为:
对多个像素点进行操作时， 使用数组切片方式进行访问， 切片方式访问的是指定间隔内下标对应的像素点。以下是一些例子
img[i,:] = im[j,:] # 将第 j 行的数值赋值给第 i 行
img[:,i] = 100 # 将第 i 列的所有数值设为 100
img[:100,:50].sum() # 计算前 100 行、前 50 列所有数值的和
img[50:100,50:100] # 50~100 行，50~100 列（不包括第 100 行和第 100 列）
img[i].mean() # 第 i 行所有数值的平均值
img[:,-1] # 最后一列
img[-2,:] (or im[-2]) # 倒数第二行
以下是两个对图片的像素值进行访问和修改的例子
例1： 将宇航员图片进行二值化，像素值大于128的变为1, 否在变为0
from skimage import io, data, color
img = data.astronaut()
img_gray = color.rgb2gray(img)
rows, cols = img_gray.shape
for i in range(rows):
for j in range(cols):
if (img_gray[i, j] <= 0.5):
img_gray[i, j] = 0
else:
img_gray[i, j] = 1
io.imshow(img_gray)
io.show()
例2： 使用color模块的rgb2gray()函数，将彩色三通道图片转换为灰度图片，转换结果为float64类型的数组，范围在[0,1]之间
from skimage import io, data
img = data.astronaut()
img_idx_modified = img[:, :, 0] > 170
print(img_idx_modified)
img[img_idx_modified] = [0, 255, 0]
io.imshow(img)
io.show()
输出为
这个例子先对R通道的所有像素值进行判断，如果大于170，则将这个地方的像素值变为[0,255,0], 即G通道值为255，R和B通道值为0。
图像数据类型以及颜色空间转换
图像数据类型
在skimage中，一张图片以numpy数组形式存储，数组的数据类型有很多中，相互之间可以转换，数据类型以及取值范围如下表所示
| 数据类型 | 数值范围 |
|---|---|
| uint8 | 0 to 255 |
| uint16 | 0 to 65535 |
| uint32 | 0 to 232−1232−1 |
| float16 | 半精度浮点数：16位，正负号1位，指数5位，精度10位 |
| float32 | 单精度浮点数：32位，正负号1位，指数8位，精度23位 |
| float64 | 双精度浮点数：64位，正负号1位，指数11位，精度52位 |
| float | -1 to 1 or 0 to 1 |
| int8 | -128 to 127 |
| int16 | -32768 to 32767 |
| int32 | −231−231 to 232−1232−1 |
一张图片的像素值范围是[0,255], 因此默认类型是unit8, 可用如下代码查看数据类型：
from skimage import io, data
img = data.astronaut()
print(img.dtype.name)
输出
uint8在上面的表中，特别注意的是float类型，它的范围是[-1,1]或[0,1]之间。一张彩色图片转换为灰度图后，它的类型就由unit8变成了float
uint8转为float
from skimage import data, img_as_float
img = data.astronaut()
print(img.dtype.name)
dst = img_as_float(img)
print(dst.dtype.name)
dst
输出为
uint8
float64float转为uint8
from skimage import img_as_ubyte
import numpy as np
img = np.array([0, 0.5, 1], dtype=float)
print(img.dtype.name)
dst = img_as_ubyte(img)
print(dst.dtype.name)
输出为：
float64
uint8float转为uint8,可能会造成数据损失，因此会有警告
除了如上两种转换以外，还有其他的一些类型转换，如下表:
| 函数名 | 描述 |
|---|---|
| img_as_float | Convert to 64-bit floating point |
| img_as_ubyte | Convert to 8-bit uint |
| img_as_uint | Convert to 16-bit uint |
| img_as_int | Convert to 16-bit int |
颜色空间及转换
除了直接转换可以改变数据类型外，还可以通过图像的颜色空间转换来改变数据类型。
常用的颜色空间有灰度空间、rgb空间、hsv空间和cmyk空间。颜色空间转换以后，图片类型都变成了float型。
所有的颜色空间转换函数，都放在skimage的color模块内
例1： RGB转为灰度图
from skimage import io,data,color
img=data.camera()
gray=color.rgb2gray(img)
io.imshow(gray)
io.show()
其它的转换，用法都是一样的，列举常用的如下：
skimage.color.rgb2grey(rgb)
skimage.color.rgb2hsv(rgb)
skimage.color.rgb2lab(rgb)
skimage.color.gray2rgb(image)
skimage.color.hsv2rgb(hsv)
skimage.color.lab2rgb(lab)
实际上，上面的所有转换函数，都可以用一个函数来代替
skimage.color.convert_colorspace(arr, fromspace, tospace)
表示将arr从fromspace颜色空间转换到tospace颜色空间。
例1： RGB转为HSV
from skimage import io, data, color
img = data.coffee()
hsv = color.convert_colorspace(img, 'RGB', 'HSV')
io.imshow(hsv)
io.show()
输出为
在color模块的颜色空间转换函数中，还有一个比较有用的函数是
skimage.color.label2rgb(arr), 可以根据标签值对图片进行着色。以后的图片分类后着色就可以用这个函数。
例：将coffee图片分成三类，然后用默认颜色对三类进行着色
from skimage import io,data,color
import numpy as np
img=data.coffee()
gray=color.rgb2gray(img)
rows,cols=gray.shape
labels=np.zeros([rows,cols])
for i in range(rows):
for j in range(cols):
if(gray[i,j]<0.4):
labels[i,j]=0
elif(gray[i,j]<0.75):
labels[i,j]=1
else:
labels[i,j]=2
dst=color.label2rgb(labels)
io.imshow(dst)
io.show()
参考
- skimage modules
- python数字图像处理
- python数字图像处理（4）：图像数据类型及颜色空间转换