一、skimage.measure文档
skimage.measure文档提供了许多函数,涵盖了对图片的测量、分析和处理。其中包括了图片的基本属性、直方图、几何变换、分割、重心计算、距离变换以及膨胀和腐蚀操作等。这些函数可以用于处理以及分析各种图片。
示例:图片分割
from skimage.measure import label import numpy as np # 生成随机图片数据 np.random.seed(1) img = np.random.randint(0, 3, size=(6, 6)) # 通过连通区域分割图片 labels = label(img, connectivity=1) print(labels)
在这个示例中,我们使用了skimage.measure中的label函数,生成了一张6x6的随机图片,然后使用label函数对其进行了像素级别的分割操作。最终输出了一个6x6的分割结果。
二、skimage.measure.block_reduce
skimage.measure.block_reduce函数可以用于对图片进行块状降采样。通过该函数对图片进行块状降采样可以减少图片数据量,从而提高图片处理的效率。
示例:图片降采样
from skimage.measure import block_reduce from skimage import data # 读取示例图片 image = data.camera() # 对图片进行块状降采样 block_size = (5, 5) image_reduced = block_reduce(image, block_size, np.mean) # 显示原图片和降采样后的图片 fig, axes = plt.subplots(ncols=2, sharex=True, sharey=True, figsize=(8, 4)) ax = axes.ravel() ax[0].imshow(image, cmap='gray') ax[0].set_title("Original image") ax[1].imshow(image_reduced, cmap='gray') ax[1].set_title("Block-reduced image ({}x{})".format(*block_size)) plt.tight_layout() plt.show()
在这个示例中,我们首先使用skimage库中自带的data函数读入了一张范例图片,然后通过block_reduce函数对图片进行了块状降采样,使用的块的大小为5x5。最终输出了原图片和降采样后的图片。
三、skimage.measure.label
skimage.measure.label函数可以用于连通区域的创建、分析和处理。该函数可用于多种图片应用场景,包括拐角检测、移除图像噪声、识别图形等等。在实际应用中,该函数常用于图像分割、阈值分割和边缘检测等操作。
示例:使用label函数对手写数字进行分割
from skimage.measure import label, regionprops import matplotlib.pyplot as plt from skimage import io # 读入手写数字图片 image = io.imread('digits.png') # 图片阈值化处理 thresh = 127 binary = image > thresh # 对二值化图片进行连通区域分割 labeled = label(binary) # 可视化连通区域分割结果 fig, ax = plt.subplots(ncols=1, nrows=1, figsize=(8, 8)) ax.imshow(labeled, cmap=plt.cm.gray) # 遍历分割结果,并输出分割结果数目 regions = regionprops(labeled) print("Number of regions detected: %d" % len(regions))
在这个示例中,我们使用skimage库中自带的digits.png手写数字图片,进行了阈值化处理之后使用label函数对其进行了连通区域分割。最后输出了分割后的数字区域数目。
四、skimage.measure图像分析
skimage.measure库提供了许多函数,可用于对图像进行全局和局部的分析。常用的分析函数包括图像灰度级别、图像峰值、图像对比度等全局分析函数以及图像边缘检测、角点检测和轮廓检测等局部分析函数。
示例:计算一张手写数字图片的面积
from skimage import io from skimage.measure import regionprops, label # 读入手写数字图片 image = io.imread('digits.png') # 图片阈值化处理 thresh = 127 binary = image > thresh # 对二值化图片进行连通区域分割 labeled = label(binary) # 遍历分割结果,并输出分割结果数目 regions = regionprops(labeled) print("Area of the first region detected: %d" % regions[0].area)
在这个示例中,我们使用skimage库中自带的digits.png手写数字图片,进行了阈值化处理之后使用label函数对其进行了连通区域分割。然后通过regionprops函数获取所有区域的属性信息,并输出第一个区域的面积。
五、skimage.measure structure
skimage.measure.structure提供了几个用于计算结构度量的函数。这些函数可以用于计算结构相似性、结构差异等度量。
示例:使用结构度量函数计算图片相似度
from skimage import io, measure # 读入两张图片 img1 = io.imread('img_1.jpg', as_gray=True) img2 = io.imread('img_2.jpg', as_gray=True) # 计算结构相似度 ssim = measure.compare_ssim(img1, img2) # 显示计算结果 print("The Structural Similarity Index (SSIM) between the two images is: %s" % ssim)
在这个示例中,我们读入了两幅图片img_1.jpg和img_2.jpg,然后利用structure中的compare_ssim函数进行图片的结构相似度计算,并输出结果。