Skimage图像处理（四）

数据类型与颜色空间转换

图像数据类型查看及转换

1. 查看图像数据类型

from skimage import data,io

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

print(img.dtype.name)

显示效果输出：

1. unit8转float，并打印像素值

from skimage import data,img_as_float

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

print(img.dtype.name)

dst=img_as_float(img)

print(dst.dtype.name)

print(img)

显示效果输出：

1. float转uint8，并打印像素值

float转为unit8，有可能会造成数据的损失，因此会有警告提醒。

from skimage import img_as_ubyte

import numpy as np

img = np.array([0,0.5,1],dtype=float)

print(img.dtype.name)

dst=img_as_ubyte(img)

print(dst.dtype.name)

print(img)

显示效果输出：

颜色空间转换

1. Rgb转换灰度

from skimage import io,data,color

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

gray = color.rgb2gray(img)

io.imshow(gray)

显示效果：

1. Rgb转换hsv

HSV是色相（Hue）、饱和度（Saturation）和亮度（Value）的缩写。

from skimage import io,data,color

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

gray=color.rgb2hsv(img)

io.imshow(gray)

显示效果：

1. Rgb转换lab

Lab中l表示亮度，a表示红绿分量，b表示黄蓝分量。

from skimage import io,data,color

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

gray=color.rgb2lab(img)

io.imshow(gray)

1. 灰度转换rgb

from skimage import io,data,color

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

gray=color.grey2rgb(img)

io.imshow(gray)

1. Hsv转换rbg

from skimage import io,data,color

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

gray=color.hsv2rgb(img)

io.imshow(gray)

显示效果：

1. Lab转换rbg（会出现红色提示但不用管）

from skimage import io,data,color

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

gray=color.lab2rgb(img)

io.imshow(gray)

效果显示：

1. 以上转换都可用一句总结

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

例：rgb转hsv

from skimage import io,data,color

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

hsv=color.convert_colorspace(img,'RGB','HSV')

io.imshow(hsv)

显示效果：

对图片进行着色

skimage.color.label2rgb( ), 可以根据标签值对图片进行着色。创建一个灰度图像gray，并根据像素值将其分为三个类别（0、1、2）。然后，它使用color.label2rgb函数将类别标签转换为RGB图像，并使用io.imshow函数显示这个转换后的图像。

例：将图片分成三类，然后用默认颜色对三类进行着色

首先导入io模块用于图像读取，data模块用于获取示例图像，color模块用于颜色处理

from skimage import io,data,color

import numpy as np

使用io.imread从文件路径'c.jpg'读取图像

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

使用color.rgb2gray将RGB图像转换为灰度图像

gray=color.rgb2gray(img)

获取灰度图像的行数和列数

rows,cols=gray.shape

创建一个大小与灰度图像相同的矩阵，初始化为零

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

对灰度图像的每个像素应用阈值，将像素值分为三个类别

for i in range(rows):

    for j in range(cols):

        if(gray[i,j]<0.4):

            labels[i,j]=0

        elif(gray[i,j]<0.75):

            labels[i,j]=1

        else:

            labels[i,j]=2

使用color.label2rgb将类别标签转换为RGB图像，imshow显示图像

dst=color.label2rgb(labels)

io.imshow(dst)

显示效果：