skimage模块

可以用来做图像做处理的模块有很多，不过对于使用python不熟悉，或者刚使用python做图像处理的时候，经常不知道应该选择使用哪些模块。比如，scipy中misc和ndimage中都有相应的图像处理函数，现在就介绍一下scikit-image模块吧：

1)例图： 

from skimage import data

data里面会有样图，如data.camera()是一张（512， 512）的图；

2）滤波：

from skimage import filters

比如高斯滤波，filters.gaussian(camera, 1)

比如边缘检测：filters.sobel(camera)

3）文件读取：

from skimage import io

io.imread(filename)，其中，filename也可以是URL地址；

io.imsave(path, img).

4)数据类型转换：

from skimage import img_as_float

camera_f = img_as_float(camera)将原图uint8类型转变成[-1, 1]之间的范围；

5）颜色空间转换：

from skimage import color

color.rgb2hsvcolor.lab2rgb, etc.

关于图像预处理和增强

6）局部滤波，如filters.sobel_h(img)

7）非局部滤波，如

rom skimage import exposure

中exposure.equalize_hist(img)做直方图均衡；

8）数学形态变换

from skimage import morphology

具体图形生成：比如morphology.diamond(1)生成菱形；

腐蚀操作：morphology.binary_erosion(img, selem=None)

selem表示结构元素，用于设定局部区域的形状和大小。将0值扩充到邻近像素。扩大黑色部分，减小白色部分。可用来提取骨干信息，去掉毛刺，去掉孤立的像素。

膨胀操作：morphology.binary)dilation(img, selem = None)

一般对二值图像进行操作。找到像素值为1的点，将它的邻近像素点都设置成这个值。1值表示白，0值表示黑，因此膨胀操作可以扩大白色值范围，压缩黑色值范围。一般用来扩充边缘或填充小的孔洞。

Opening: erosion + dilation在

注：该操作也适用于非二值图，即灰度图，对应的是最小滤波

（scipy.ndimage.morphology同样也有该操作）

9）图像分割

基于直方图分析的二值分割：（Otsu阈值法）如：val = filters.threshold(img)找到阈值，然后通过mask = img < val得到二值图

图像打标签：对于分割后的图像，可以给每一个区域打标签，如

from skimage import measure

all_labels = measure.label(blobs)

另外，scipy中也有相应操作；

水域分割算法（也叫分水岭算法）： 

from skimage.morphology import watershed 

from skimage.feature import peak_local_max

from scipy import ndimage

 
 
>>> distance = ndimage.distance_transform_edt(image)

 
 
>>> local_maxi = peak_local_max(distance, indices=False, footprint=np.ones((3, 3)), labels=image)

 
 
>>> markers = morphology.label(local_maxi)

 
 
>>> labels_ws = watershed(-distance, markers, mask=image)

另一个 随机walker分割：

from skimage import segmentation

 
 
>>> # Transform markers image so that 0-valued pixels are to

 
 
>>> # be labelled, and -1-valued pixels represent background

 
 
>>> markers[~image] = -1

 
 
>>> labels_rw = segmentation.random_walker(image, markers)

10）测量区域属性，如面积和周长

properties = measure.regionprops(labels_rw)

 
 
>>> [prop.area for prop in properties]

 
 
[770, 1168]

 
 
>>> [prop.perimeter for prop in properties] 

 
 
[100.91..., 126.81...]

11）数据可视化和交互

matplotlib中提供了plt.imshow等函数，结合以上滤波、分割(segmentation.clear_border(mask))等使用

另外，skimage也提供显示图像的函数，不过也是基于matplotlib，貌似功能更强大：

from skimage import viewer

 
 
>>> new_viewer = viewer.ImageViewer(coins) 

 
 
>>> new_viewer.show() 

For more interaction, plugins can be added to the viewer:

>>>

>>> new_viewer = viewer.ImageViewer(coins) 

   
   
>>> from skimage.viewer.plugins import lineprofile

   
   
>>> new_viewer += lineprofile.LineProfile() 

   
   
>>> new_viewer.show() 

12）CV中的特征提取

from skimage import feature

不同角点特征：

from skimage.feature import corner_harris, corner_subpix, corner_peaks

//补充角点特征知识点

另外skimage.transform提供扭曲和仿射变换操作wrap和AffineTransform

//待补充其它特征提取函数