Python库 - skimage

skimage 是 scikit-image 的缩写，是一个用于图像处理的 Python 库。提供了丰富的图像处理功能，包括图像滤波、边缘检测、形态学操作、特征提取、图像分割等。skimage 是基于 NumPy 数组构建的，因此可以与 NumPy 和其他科学计算库（如 scipy 和 matplotlib）无缝集成。

安装

可以使用 pip 来安装 skimage：

pip install scikit-image

主要模块

skimage 库包含多个模块，每个模块专注于不同的图像处理任务。以下是一些常用的模块：

1. skimage.io: 用于图像的读取、保存和显示。
2. skimage.transform: 用于图像的几何变换，如旋转、缩放、仿射变换等。
3. skimage.filters: 用于图像滤波，如高斯滤波、中值滤波、边缘检测等。
4. skimage.morphology: 用于形态学操作，如腐蚀、膨胀、开运算、闭运算等。
5. skimage.feature: 用于特征提取，如角点检测、边缘检测、HOG特征等。
6. skimage.segmentation: 用于图像分割，如区域生长、分水岭算法等。
7. skimage.color: 用于颜色空间转换，如RGB到灰度、RGB到HSV等。
8. skimage.measure: 用于图像测量，如轮廓检测、区域属性计算等。
9. skimage.util: 提供一些实用函数，如图像的随机噪声生成、图像的裁剪等。

示例代码

以下是一些使用 skimage 库的示例代码：

1. 读取和显示图像

from skimage import io
import matplotlib.pyplot as plt

# 读取图像
image = io.imread('path_to_image.jpg')

# 显示图像
plt.imshow(image)
plt.axis('off')  # 关闭坐标轴
plt.show()

2. 图像灰度化

from skimage import color

# 将图像转换为灰度图像
gray_image = color.rgb2gray(image)

# 显示灰度图像
plt.imshow(gray_image, cmap='gray')
plt.axis('off')
plt.show()

3. 图像滤波

from skimage.filters import gaussian

# 高斯滤波
blurred_image = gaussian(gray_image, sigma=2)

# 显示滤波后的图像
plt.imshow(blurred_image, cmap='gray')
plt.axis('off')
plt.show()

4. 边缘检测

from skimage.filters import sobel

# Sobel边缘检测
edges = sobel(gray_image)

# 显示边缘图像
plt.imshow(edges, cmap='gray')
plt.axis('off')
plt.show()

5. 形态学操作

from skimage.morphology import erosion, dilation, square

# 创建一个3x3的方形结构元素
selem = square(3)

# 腐蚀操作
eroded_image = erosion(gray_image, selem)

# 显示腐蚀后的图像
plt.imshow(eroded_image, cmap='gray')
plt.axis('off')
plt.show()

6. 图像分割

from skimage.segmentation import slic

# 使用SLIC算法进行超像素分割
segments = slic(image, n_segments=100, compactness=10)

# 显示分割结果
plt.imshow(segments, cmap='nipy_spectral')
plt.axis('off')
plt.show()

总结

skimage 是一个功能强大的图像处理库，适用于各种图像处理任务。提供了丰富的函数和工具，可以帮助轻松地进行图像的读取、处理、分析和显示。通过结合 NumPy、matplotlib 等库，可以构建复杂的图像处理流程。