python 读取高光谱图像
项目描述
Tifffile是一个Python库
- 将numpy数组存储为TIFF（标记图像文件格式）文件，以及
- 从生物成像中使用的TIFF文件中读取图像和元数据。
可以从TIFF，BigTIFF，OME-TIFF，STK，LSM，NIH，SGI，ImageJ，MicroManager，FluoView，ScanImage，SEQ，GEL，SVS，SCN，SIS，ZIF，QPI和GeoTIFF文件中读取图像和元数据。
Numpy数组可以以多页，内存映射，平铺，预测或压缩形式写入TIFF，BigTIFF和ImageJ hyperstack兼容文件。
仅支持TIFF规范的子集，主要是未压缩和无损压缩的1,8,16,32和64位整数，16,32和64位浮点，灰度和RGB（A）图像。具体地，未实现读取图像数据的切片，CCITT和OJPEG压缩，没有JPEG压缩的色度子采样，或IPTC和XMP元数据。
TIFF（r），标记图像文件格式，是Adobe Systems Incorporated的商标和控制之下。BigTIFF允许大于4 GB的文件。STK，LSM，FluoView，SGI，SEQ，GEL和OME-TIFF是由Molecular Devices（Universal Imaging Corporation），Carl Zeiss MicroImaging，Olympus，Silicon Graphics International，Media Cybernetics，Molecular Dynamics和Open Microscopy定义的定制扩展。环境财团分别。
对于命令行使用，运行
python -m tifffile --help| 作者： | Christoph Gohlke |
|---|---|
| 组织： | 加州大学尔湾分校荧光动力学实验室 |
| 版： | 2018年11月28日 |
要求
- CPython 2.7或3.5+ 64位
- Numpy 1.14
- Imagecodecs 2018.11.8 （可选;用于解码LZW，JPEG等）
- Matplotlib 2.2（可选;用于绘图）
- Python 2.7需要'future'，'enum34'和'pathlib'。
例子
将3D numpy数组保存为多页16位灰度TIFF文件：
>>> data = numpy.random.randint（0,2 ** 16，（4,301,219），'uint16'）
>>> imwrite（'temp.tif'，data，photometric ='minisblack'）从TIFF文件中读取整个图像堆栈为numpy数组：
>>> image_stack = imread（'temp.tif'）
>>> image_stack.shape
（4,301,219）
>>> image_stack.dtype
DTYPE（ 'UINT16'）从TIFF文件中的第一页（IFD）读取图像：
>>> image = imread（'temp.tif'，key = 0）
>>> image.shape
（301,219）从一系列TIFF文件中读取图像为numpy数组：
>>> image_sequence = imread（['temp.tif'，'temp.tif']）
>>> image_sequence.shape
（2,4,301,219）将numpy数组保存到单页RGB TIFF文件：
>>> data = numpy.random.randint（0,255，（256,256,3），'uint8'）
>>> imwrite（'temp.tif'，data，photometric ='rgb'）使用zlib压缩保存浮点数组和元数据：
>>> data = numpy.random.rand（2,5,3,301,219）.astype（'float32'）
>>> imwrite（'temp.tif'，data，compress = 6，metadata = {'axes'：'TZCYX'}）将xyz体素大小2.6755x2.6755x3.9474Âμm^ 3的卷保存到ImageJ文件：
>>> volume = numpy.random.randn（57 * 256 * 256）.astype（'float32'）
>>> volume.shape = 1,57,1,256,256,1＃维度，以TZCYXS顺序排列
>>> imwrite（'temp.tif'，volume，imagej = True，resolution =（1./2.6755,1./2.6755），
... metadata = {'spacing'：3.947368，'unit'：'um'}）从ImageJ文件中读取hyperstack和元数据：
>>>使用TiffFile（'temp.tif'）作为tif：
... imagej_hyperstack = tif.asarray（）
... imagej_metadata = tif.imagej_metadata
>>> imagej_hyperstack.shape
（57,56,256）
>>> imagej_metadata ['slices']
57创建一个空的TIFF文件并写入内存映射的numpy数组：
>>> memmap_image = memmap（'temp.tif'，shape =（256,256），dtype ='float32'）
>>> memmap_image [255,255] = 1.0
>>> memmap_image.flush（）
>>> memmap_image.shape，memmap_image.dtype
（（256,256），dtype（'float32'））
>>> del memmap_imageTIFF文件中的内存映射图像数据：
>>> memmap_image = memmap（'temp.tif'，page = 0）
>>> memmap_image [255,255]
1.0
>>> del memmap_image连续将图像附加到BigTIFF文件：
>>> data = numpy.random.randint（0,255，（5,2,3,301,219），'uint8'）
>>>使用TiffWriter（'temp.tif'，bigtiff = True）作为tif：
...对于范围内的i（data.shape [0]）：
... tif.save（data [i]，compress = 6，photometric ='minisblack'）
将两个图像序列保存到TIFF文件：
>>> data0 = numpy.random.randint（0,255，（301,219,3），'uint8'）
>>> data1 = numpy.random.randint（0,255，（5,301,219），'uint16'）
>>>使用TiffWriter（'temp.tif'）作为tif：
... tif.save（data0，compress = 6，photometric ='rgb'）
... tif.save（data1，compress = 6，photometric ='minisblack'）从TIFF文件中读取第二个图像系列：
>>> series1 = imread（'temp.tif'，series = 1）
>>> series1.shape
（5,301,219）使用文件名模式从一系列TIFF文件中读取图像堆栈：
>>> imwrite（'temp_C001T001.tif'，numpy.random.rand（64,64））
>>> imwrite（'temp_C001T002.tif'，numpy.random.rand（64,64））
>>> image_sequence = TiffSequence（'temp_C001 * .tif'，pattern ='axes'）
>>> image_sequence.shape
（1,2）
>>> image_sequence.axes
'CT'
>>> data = image_sequence.asarray（）
>>> data.shape
（1,2,64,64）安装
pip install tifffile也可以从官网下载 https://pypi.org/project/tifffile/#files