数字图像处理：python实现图像数据类型和颜色空间的转换（五）

实验一：图像数据类型和转换
在skimage库中，一张图片实际上就是一个简单的numpy数组，数组的数据类型有很多种，相互之间也可以转换。数据类型列举如下：
uint8:0-2⁸
uint16:0-2¹⁶
uint32:0-2³²
float:[-1,1] or [0,1]
int8:[-2⁷,2⁷-1]
int16:[-2¹⁵,2¹⁵-1]
int32:[-2³¹,2³²-1]

一张图片的像素值范围是[0,255]
因此默认类型是uint8
当然，我们可以用code实现查看图片类型：

from skimage import io,data
img = data.chelsea()
io.imshow(img)
print('picture type:',img.dtype.name)

run result：

float类型范围是[-1,1] or [0,1],一张彩色图片转换为灰度图后，它的类型就由uint8变成了float

##### unit8转float
from skimage import data,img_as_float
img = data.chelsea()
print(img.dtype.name)
img_temp = img_as_float(img) # img_as_float模块将uint8变成了float
print(img_temp.dtype.name)

run result:

###### float转uint8
from skimage import data,img_as_float
from skimage import img_as_ubyte
img = data.chelsea()
print(img.dtype.name)
img_temp = img_as_float(img) # img_as_float模块将uint8变成了float
print(img_temp.dtype.name)

dst = img_as_ubyte(img_temp) # img_as_ubyte模块将float变成了uint8
print(dst.dtype.name)

总结：
img_as_float ： Convert to 64-bit floating point.
img_as_ubyte ： Convert to 8-bit uint.
img_as_uint ： Convert to 16-bit uint.
img_as_int ： Convert to 16-bit int.

实验二：颜色空间和转换
除了直接转换可以改变数据类型外，还可以通过图像的颜色空间转换来改变数据类型。

常用的颜色空间有灰度空间、RGB空间、HSV空间和CMYK空间。颜色空间转换以后，图片类型都变成了float型。

RGB—>灰度图：

##### RGB转灰度图
from skimage import io,data,color
img = data.chelsea()
grey = color.rgb2gray(img)
io.imshow(grey)

run result:

其它的转换，用法都是一样的，列举常用的如下：

skimage.color.rgb2grey(img)

skimage.color.rgb2hsv(img)

skimage.color.rgb2lab(img)

skimage.color.gray2rgb(img)

skimage.color.hsv2rgb(img)

实际上，上面的所有转换函数，都可以用一个函数来代替

skimage.color.convert_colorspace(arr, fromspace, tospace) # 表示将arr从fromspace颜色空间转换到tospace颜色空间。

#### rgb转hsv
from skimage import io,data,color
img = data.chelsea()
hsv = color.convert_colorspace(img,'RGB','HSV')
io.imshow(hsv)

run result:

在color模块的颜色空间转换函数中，还有一个比较有用的函数是:
skimage.color.label2rgb(arr)
可以根据标签值对图片进行着色。
例如：将小猫图片分成三类，然后用默认颜色对三类进行着色

###图片分成三类，然后用默认颜色对三类进行着色
from skimage import io,data,color
import numpy as np
img = data.chelsea()
print('start_picture:')
io.imshow(img)
grey = color.rgb2gray(img)
print('grey_picture;')
io.imshow(grey)

rows,cols = gray.shape
labels = np.zeros([rows,cols])

for i in range(rows):
    for j in range(cols):
        if(grey[i,j]<0.4):
            labels[i,j]=0
        elif(grey[i,j]<0.6):
            labels[i,j]=1
        else:
            labels[i,j]=2
d = color.label2rgb(labels)
io.imshow(d)

run result:

参考和引用：

https://blog.csdn.net/denny2015/article/details/50523207

https://www.cnblogs.com/cing/p/8038055.html

仅用来个人学习和分享，如若侵权，留言立删。

尊重他人知识产权，不做拿来主义者！

喜欢的可以关注我哦QAQ，

你的关注就是我write博文的动力。