skimage 图像处理（三）

常见的图像归一化方法

线性归一化（最常见）

将图像的像素值线性映射到[0,1]范围内。

import numpy as np

from skimage import io,data

image=io.imread('c.jpg')

normalized_image=(image-np.min(image))/(np.max(image)-np.min(image))

io.imshow(image)

io.show()

print(image)  #打印像素值

显示效果：

均值方差归一化

将图像的像素值减去均值后，除以标准差，使得图像的均值为0，标准差为1。这样可以降低图像数据的偏差和差异性。

import numpy as np

from skimage import io,data

image=io.imread('c.jpg')

image = (image - np.min(image)) / (np.max(image) - np.min(image))

io.imshow(image)

io.show()

print(image)

显示效果：

直方图均衡化

通过重新分布图像像素的直方图，增强图像的对比度和细节。这在图像增强和图像识别等领域非常有用。

from skimage import exposure

from skimage import io,data

image=io.imread('c.jpg')

equalized_image = exposure.equalize_hist(image)

io.imshow(image)

io.show()

print(image)

显示效果：

图像绘制

Cmap颜色谱

颜色图谱                          描述

autumn                        红-橙-黄

bone                          黑-白，x线

cool                          青-洋红

copper                         黑-铜

flag                           红-白-蓝-黑

gray                              黑-白

hot                            黑-红-黄-白

hsv                hsv颜色空间， 红-黄-绿-青-蓝-洋红-红

inferno                     黑-红-黄

jet                             蓝-青-黄-红

magma                      黑-红-白

pink                               黑-粉-白

plasma                       绿-红-黄

prism                         红-黄-绿-蓝-紫-...-绿模式

spring                             洋红-黄

summer                             绿-黄

viridis                             蓝-绿-黄

winter                             蓝-绿

函数格式

实质是利用matplotlib包对图片进行绘制，绘制成功后，返回一个matplotlib类型的数据。

import matplotlib.pyplot as plt

plt.imshow(img, cmap=None)

X: 要绘制的图像或数组。

imshow()函数格式为：

matplotlib.pyplot.imshow(X, cmap=None)

用figure函数和subplot函数分别创建主窗口与子图

分开同时显示图片的三个通道

import matplotlib.pyplot as plt

from skimage import data

import matplotlib.pyplot as plt

img=io.imread('c.jpg')

plt.figure(num='c.jpg',figsize=(8,8))     #创建窗口设置大小

将窗口分为两行两列四个子图，显示四幅图片

plt.subplot(2,2,1)   #第一张子图片

plt.title('A')   #第一张图片名为A

plt.imshow(img)  #绘制第一张图片

plt.subplot(2,2,2)    #第二张子图片

plt.title('B')   #第二张图片名为B

plt.imshow(img[:,:,0],plt.cm.gray)    #绘制第二张图片并灰度化

plt.subplot(2,2,3)     #第三张子图片

plt.title('C')      #第三张图片名为C

plt.imshow(img[:,:,1],plt.cm.gray)    #绘制第三张图片并灰度化

plt.subplot(2,2,4)       #第四张子图片

plt.title('D')      #第四张图片名为D

plt.imshow(img[:,:,2],plt.cm.gray)    #绘制第四张图片并灰度化

plt.subplot(x，y，z)中x代表行数y代表列数z代表所处位置

figsize: 设置窗口大小。

显示效果：