图像基础

黑白图像通常用二维矩阵表示，而灰度图像则使用0-1之间的数值表示。对于彩色图像，常用的表示方法是RGB或BGR三通道，数值范围在0-255之间。无论是RGB还是BGR，图像的维度都是高度×宽度×通道数（H×W×C）。在深度学习中，由于需要对各通道分别进行卷积运算，因此通道维度通常排在前面，表达为C×H×W。通过numpy的transpose函数可以轻松将图像转换为适合深度学习的格式。

在Python中，常用的数字图像处理库包括PIL/Pillow、OpenCV和scikit-image。PIL和Pillow功能相对基础，适合简单的图像处理需求；而OpenCV是一个功能强大的C++库，仅为Python提供了接口。相比之下，scikit-image基于scipy开发，专门将图像处理功能转化为numpy数组操作，使用起来更加简便。

scikit-image功能模块

scikit-image是一个功能丰富的图像处理库，其主要模块包括： - **io模块**：用于读取和写取图像。 - **data模块**：提供了一些示例图像，方便开发和测试。 - **transform模块**：包含图像变形功能，如缩放、旋转等。 - **exposure模块**：处理亮度和对比度问题。 - **filters模块**：提供多种滤波器，支持高通、低通滤波、边缘检测等操作。 - **morphology模块**：实现形态学操作，如膨胀、腐蚀等。 - **rank模块**：高级滤波和图像增强功能。 - **measure模块**：用于图像测量和分析。

2.1 io模块：读写功能

- **imread**：读取图像文件，返回3维numpy数组。灰度图像可设为as_grey=True，得到2维数组。 - **imshow**：将numpy数组显示为RGB格式的图像。 - **imsave**：保存图像文件。 - **ImageCollection**：批量读取并处理多张图片。 - **concatenate_images**：将多张图像数组合成一个更高维的数组。

2.2 data模块：示例图片

scikit-image内置了一些示例图片，开发者可以直接使用这些数据集进行测试和开发。例如，data.coffee()返回一张咖啡杯的图片数组。

2.3 transform模块：图像变形

- **resize**：调整图像大小。 - **rescale**：缩放图像。 - **pyramid_gaussian**：高斯金字塔变换。 - **rotate**：旋转图像。

2.4 exposure模块：亮度和对比度

- **adjust_gamma**：调整对比度。 - **adjust_log**：对数调整。 - **rescale_intensity**：调整亮度范围。 - **histogram**：直方图分析。 - **equalize_hist**：直方图均衡化。

2.5 filters模块：滤波器

- **高通滤波器**：用于边缘检测。 - **低通滤波器**：平滑图像，去噪。 - **边缘检测**：支持Sobel、Roberts、Scharr、Prewitt和Gabor滤波器。Canny算子在feature中特别有效。 - **平滑滤波**：GaussianFilter支持不同模糊效果。 - **阈值分割**：OTSU、Yen、LI和自适应阈值分割。

2.6 morphology模块：形态学操作

- **dilation**：图像膨胀。 - **erosion**：图像腐蚀。 - **opening**：先腐蚀再膨胀，用于去除小孔洞。 - **closing**：填充孔洞。 - **white-tophat**：保留图像中的小斑点。 - **black-tophat**：保留图像中的孔洞。 - **convex_hull_image**：计算图像凸包。

2.7 rank模块：高级滤波

- **autolevel**：自动对比度。 - **bottomhat**：下凸滤波。 - **tophat**：上凸滤波。 - **enhance_contrast**：增强对比度。 - **entropy**：熵值分析。 - **equalize**：均衡化。 - **gradient**：梯度计算。

2.8 measure模块：图像测量

- **label**：图像分割。 - **regionprops**：分析连通区域。 - **remove_small_objects**：去除小物体。

常用组合

边缘检测通常需要先进行模糊处理。例如： - **blur**：简单的算术平均模糊。 - **medianBlur**：适合数字化视频去噪。 - **GaussianBlur**：高斯滤波去噪后再进行边缘检测。 - **Laplacian**：双导数滤波器，产生明显的边缘线条。 - **Sobel**和**Scharr**滤波器：计算水平和垂直方向的梯度。 - **Canny算子**：结合高斯滤波、非最大抑制和双阈值去噪，得到更准确的边缘。

转载地址：http://umiwz.baihongyu.com/

你可能感兴趣的文章