Python机器学习和图像处理学习笔记_skimage.io获取分辨率

Python基础和Scikit Image

scikit image是用于图像处理的基本模块。使用import skimage导入环境。下面是Scikit image在python中的操作：

1.上传和查看图像

from skimage import io
img=io.imread("C:\\Users\\mac\\Pictures\\measure\\Lena.jpg")
io.imshow(img)
1
2
3

输出如图所示

2.获取图像分辨率

使用名为shape的内置函数获取图像分辨率。

img=io.imread("C:\\Users\\mac\\Pictures\\measure\\Lena.jpg")
img.shape
1
2

输出如下：(511, 419, 3)
可以知道图像分辨率是511×419，并且有三个通道，因为使用了RGB色彩。

3.查看像素值

#getting Pixel Values
from skimage import io
import pandas as pd
img=io.imread("C:\\Users\\mac\\Pictures\\measure\\Lena.jpg")
df=pd.DataFrame(img.flatten())
filepath="pixel_value1.xlsx"
df.to_excel(filepath,index=False)
1
2
3
4
5
6
7

4.转换色彩空间

假设我们的图像在RGB色彩空间内，也可以转换成其他色彩格式。

1. 我们需要使用color类将图像转换成不同的色彩格式，color类在skimage模块中。
2. 还必须使用另一个模块pylab。

（1）.RGB到HSV和HSV到RGB

#Import libraries
from skimage import io
from skimage import color 
from skimage import data
from pylab import *
#Read image
img = io.imread("C:\\Users\\mac\\Pictures\\measure\\Lena.jpg")

#Convert to HSV
img_hsv = color.rgb2hsv(img)

#Convert back to RGB
img_rgb = color.hsv2rgb(img_hsv)

# show both figures
figure(0)
io.imshow(img_hsv)
figure(1)
io.imshow(img_rgb)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

输出如下：

（2）RGB到XYZ和XYZ到RGB

#Import libraries
from skimage import io
from skimage import color 
from skimage import data
from pylab import *
#Read image
img = io.imread("C:\\Users\\mac\\Pictures\\measure\\Lena.jpg")

#Convert to XYZ
img_xyz = color.rgb2xyz(img)

#Convert back to RGB
img_rgb = color.xyz2rgb(img_xyz)

# show both figures
figure(0)
io.imshow(img_xyz)
figure(1)
io.imshow(img_rgb)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

（3）RGB到YUV和YUV到RGB

#Import libraries
from skimage import io
from skimage import color 
from skimage import data
from pylab import *
#Read image
img = io.imread("C:\\Users\\mac\\Pictures\\measure\\Lena.jpg")

#Convert to XYZ
img_yuv = color.rgb2yuv(img)

#Convert back to RGB
img_rgb = color.yuv2rgb(img_yuv)

# show both figures
figure(0)
io.imshow(img_yuv)
figure(1)
io.imshow(img_rgb)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

……

5. 保存图像

每次分析完图像后，我们可能想保存图像。用skimage.io里的imsave函数。

#Import libraries
from skimage import io
from skimage import color 
from skimage import data
from pylab import *
#Read image
img = io.imread("C:\\Users\\mac\\Pictures\\measure\\Lena.jpg")

#Convert to XYZ
img_yuv = color.rgb2yuv(img)

#Convert back to RGB
img_rgb = color.yuv2rgb(img_yuv)

io.imsave("Lena_yuv.jpg",img_yuv)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

6.创建基本图形

使用skimage中的绘图类draw进行基本绘图

1.直线

line函数用于在图像上绘制简单的直线。在下列代码中，前两个参数表示第一个点，后两个参数表示第二个点。可以改变支线的像素值以便能够在图像上查看这些点。

from skimage import io
from skimage import draw

img=io.imread("C:\\Users\\mac\\Pictures\\measure\\Lena.jpg")
x,y=draw.line(0,0,200,200)
img[x,y]=0
io.imshow(img)
print(x)
print(y)
1
2
3
4
5
6
7
8
9

2.绘制矩形

可以使用polygon函数绘制矩形，也可绘制任意的多边形。我们只需要给定x和y坐标，然后定义宽度和高度即可。

在下面的代码中使用了rectangle函数。它返回我们要修改的形状。

from skimage import io
from skimage import draw

img=io.imread("C:\\Users\\mac\\Pictures\\measure\\Lena.jpg")
def rectangle(x,y,w,h):
    rr,cc=[x,x+w,x+w,x],[y,y,y+h,y+h]
    return (draw.polygon(rr,cc))
rr,cc = rectangle(10,10,200,200)
img[rr,cc]=80
io.imshow(img)
1
2
3
4
5
6
7
8
9
10

3.绘制圆形

circle函数用于绘制圆形，在下列代码中，前两个参数表示圆形在图像中的位置，后两个参数表示半径。

#Import libraries
from skimage import io
from skimage import draw

#Load image
img=io.imread("C:\\Users\\mac\\Pictures\\measure\\Lena.jpg")

#Define circle coordinates and radius
x,y=draw.circle(200,200,10)

#Draw circle
img[x,y]=30

#Show image
io.imshow(img)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

4.绘制贝塞尔曲线

#Import libraries
from skimage import io
from skimage import draw

#Load image
img=io.imread("C:\\Users\\mac\\Pictures\\measure\\Lena.jpg")

#Define Bezier curve coordinates
x,y=draw.bezier_curve(0,0,20,20,50,90,100)

#Draw Bezier
img[x,y]=30

#Show image
io.imshow(img)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

可以使用bezier_curve 函数绘制贝塞尔曲线。我们需要指定至少三个控制点的位置，然后获取曲线的形状。下列代码中前六个参数定义了3个点，最后一个参数定义了曲线中的张力（tension）。调整参数值会改变曲线的形状。

5.执行伽马校正

使用skimage模块中的exposure类，根据显示设备的属性进行伽马校正。exposure类中包含了名为adjust_gamma的函数，它以图像和期望的伽马值为输入。我们会得到伽马校正后的图像。

from skimage import exposure
from skimage import io
from pylab import *
img=io.imread("C:\\Users\\mac\\Pictures\\measure\\Lena.jpg")
gamma_corrected1=exposure.adjust_gamma(img,0.5)
gamma_corrected2=exposure.adjust_gamma(img,5)
figure(0)
io.imshow(gamma_corrected1)
figure(1)
io.imshow(gamma_corrected2)
1
2
3
4
5
6
7
8
9
10

6.旋转、平移和缩放图像

有时候我们可能会想旋转图像或者修改图像的尺寸。为此，可以使用skimage模块中的transform类。Transform类有两个函数：rotate和resize，其中rotate以旋转角度为参数，而resize以目标尺寸为参数。

from skimage import io
from skimage.transform import rotate
img=io.imread("C:\\Users\\mac\\Pictures\\measure\\Lena.jpg")
img_rot=rotate(img,20)
io.imshow(img_rot)
1
2
3
4
5

from skimage import io
from skimage.transform import resize
img=io.imread("C:\\Users\\mac\\Pictures\\measure\\Lena.jpg")
img_res=resize(img,(100,100))
io.imshow(img_res)
io.imsave("ss.jpg",img_res)
1
2
3
4
5
6

7.确定结构相似度

结构相似度是衡量两个图像相似程度的指标。数值接近1表明图像非常相似，数值接近0表明图像比较不相似。

from skimage import io
from skimage.measure import compare_ssim as ssim
img_original=io.imread('Lena_rgb.jpg')
img_modified=io.imread('Lena_yuv.jpg')
ssim_original=ssim(img_original,img_original,data_range=img_original.max()-img_original.min(),multichannel=True)
ssim_different=ssim(img_original,img_modified,data_range=img_modified.max()-img_modified.min(),multichannel=True)
print(ssim_original,ssim_different)
1
2
3
4
5
6
7

输出结果为：1.0 0.532746174187595
SSIM有四个参数。前两个参数表示图像，第三个参数表示像素值的范围（最大像素值减去最小像素值），第四个参数是multichannel。当multichannel参数取值为True时，表示图像包含不止一个通道，例如RGB；当multichannel参数取值为False时，表示只有一个通道，例如灰度。