scikit-image图像处理入门

skimage是纯蟒语言实现的BSD许可开源图像处理算法库，主要的优势在于：

• 提供一套高质量易用性强的图像算法库API

• 满足研究人员与学生学习图像处理算法的需要，算法API参数可调

• 满足工业级应用开发需求，有实际应用价值

scikit图像主要模块如下：

官方主页

https://scikit-image.org/

安装

pip install scikit-image

导入支持的模块

from skimage import data, io, filters, feature, segmentation

from skimage import color, exposure, measure, morphology, draw

from matplotlib import pyplot as plt

from skimage import transform as tf

从数据中获取测试图像与数据并显示

image = data.chelsea()

io.imshow(image)

io.show()

这个是开源作者养的宠物猫

灰度转换

gray = color.rgb2gray(image)

fig, axes = plt.subplots(1, 2, figsize=(8, 4))

ax = axes.ravel()

ax[0].imshow(image)

ax[0].set_title("Input RGB")

ax[1].imshow(gray, cmap=plt.cm.gray)

ax[1].set_title("gray")

fig.tight_layout()

plt.show()

通道分离操作

hsv_img = color.rgb2hsv(image)

hue_img = hsv_img[:, :, 0]

value_img = hsv_img[:, :, 2]

fig, (ax0, ax1, ax2) = plt.subplots(ncols=3, figsize=(8, 2))

ax0.imshow(image)

ax0.set_title("RGB image")

ax0.axis('off')

ax1.imshow(hue_img, cmap='hsv')

ax1.set_title("Hue channel")

ax1.axis('off')

ax2.imshow(value_img)

ax2.set_title("Value channel")

ax2.axis('off')

fig.tight_layout()

plt.show()

滤波操作

image = data.chelsea()

gray = color.rgb2gray(image)

blur = filters.gaussian(image, 15)

usm = filters.unsharp_mask(image, 3, 1.0)

sobel = filters.sobel(gray)

prewitt = filters.prewitt(gray)

eh = exposure.equalize_adapthist(gray)

lapl = filters.laplace(image, 3)

median = filters.median(gray)

图像二值化处理

image = io.imread("D:/images/dice.jpg")

gray = color.rgb2gray(image)

ret = filters.threshold_otsu(gray)

print(ret)

轮廓发现

binary = gray > ret

ax[0].imshow(gray > ret, cmap='gray')

ax[0].set_title("binary")

contours = measure.find_contours(binary, 0.8)

for n, contour in enumerate(contours):

ax[1].plot(contour[:, 1], contour[:, 0], linewidth=2)

ax[1].set_title("contours")

坎尼边缘

image = io.imread("D:/images/master.jpg")

gray = color.rgb2gray(image)

edge = feature.canny(gray, 3)

骨架提取

image = data.horse()

gray = color.rgb2gray(image)

ret = filters.threshold_otsu(gray)

binary = gray < ret

skele = morphology.skeletonize(binary)

哈里斯角点检测

image = io.imread("D:/images/home.jpg")

gray = color.rgb2gray(image)

coords = feature.corner_peaks(feature.corner_harris(gray), min_distance=5)

简介特征匹配

keypoints1 = corner_peaks(corner_harris(img1), min_distance=5)

keypoints2 = corner_peaks(corner_harris(img2), min_distance=5)

keypoints3 = corner_peaks(corner_harris(img3), min_distance=5)

extractor = BRIEF()

extractor.extract(img1, keypoints1)

keypoints1 = keypoints1[extractor.mask]

descriptors1 = extractor.descriptors

extractor.extract(img3, keypoints3)

keypoints3 = keypoints3[extractor.mask]

descriptors3 = extractor.descriptors

matches12 = match_descriptors(descriptors1, descriptors2, cross_check=True)

matches13 = match_descriptors(descriptors1, descriptors3, cross_check=True)

上述同时显示两张图像的相似代码

fig, axes = plt.subplots(1, 2, figsize=(8, 4))

ax = axes.ravel()

ax[0].imshow(image)

ax[0].set_title("Input RGB")

ax[1].imshow(gray > ret, cmap='gray')

ax[1].set_title("binary")

ax[0].axis('off')

ax[1].axis('off')

fig.tight_layout()

plt.show()

完整的演示代码下载地址

https://github.com/gloomyfish1998/opencv_tutorial/blob/master/python/ski_image_demo.py

*延伸阅读

• 图像超分辨率网络：RCAN

• AI技术在图像水印处理中的应用