scipy的使用---持续更新

引用如下：

BRUCE_WUANG的博客
OTSU算法 Ranjie Wen博客园
Otsu算法,Naruto_Q的CSDN

1. scipy.misc.imread

其实这个都快不能用了，应该接下来用imageio.imread.

想用scipy图像处理的相关函数，得必须确保PIL被安装。

解读下面几行的代码：

上面提到了mode是指的是

L用8位(一个字节)的整数来表示像素，然后是black and white图像，但是black和white应该就是gray图像啊。
下面写出了L的数学原理。

疑问：那这个到底是不是灰度图像啊？ 应该是的，黑白图像其实就是灰度图像，和他有区别的是二值图像，除了0就是1。然而灰度图像是有过渡和渐变的。

错的啊，黑白就是二值才是纯黑白，然而灰度图像就是灰度图像，别把专业词汇和日常想法混合。

是的，是8bit(一个字节)的整数黑白图像，黑白图像就是灰度图像。

就和下面这个得到的灰度图是一样子的。

读进来的图像是{3024，4032}，3024是height,4032是width.

当我们改为利用Flatten=True从而让mode变为F时候：

而是用32位(4个字节)的浮点数：

那我应该有时间研究下，看看对于某个固定尺度的图像，比如24×24，用8位整数和32位浮点数具有什么区别？

从上面的两个图中可以看出来的：上面是整数，下面是小数。

2. scipy.ndimage.gaussian_filter 高斯模糊/高斯滤波

ndimage得到的结果：

关键参数：

• sigma:
  Standard deviation for Gaussian kernel. The standard deviations of the Gaussian filter are given for each axis as a sequence, or as a single number, in which case it is equal for all axes.
  高斯核的标准偏差。 高斯滤波器的标准偏差以序列或单个数字的形式提供给每个轴，在这种情况下，其所有轴均相等。

如果是以单个数的形式给出的，我们就知道：那这时候两个维度上都是这么大的数值作为标准差。

注意：这个sigma不是滤波核的尺寸大小

疑问： 这个sigma到底如何影响滤波核？

• order:
  An order of 0 corresponds to convolution with a Gaussian kernel.
  0就是用高斯核来卷积。说明进行的是高斯滤波.
  A positive order corresponds to convolution with that derivative of a Gaussian.
  一个整数的order就是用高斯的导数来卷积。

我们再看看opencv的高斯模糊：