用skimage学习数字图像处理（002）：Skimage各模块初探（上）

Jason 2008

已于 2024-07-21 09:13:55 修改

阅读量1.0k

点赞数 10

分类专栏：用skimage学习数字图像处理文章标签：学习

于 2024-01-25 09:28:03 首次发布

本文链接：https://blog.csdn.net/ahhjian/article/details/135835902

版权

用skimage学习数字图像处理专栏收录该内容

21 篇文章 12 订阅

订阅专栏

本节简要介绍skimage扩展库中各个模块的主要功能，各位可以将其作为一个快速查找手册来使用。用于所示涉及的模块数量较多，个别模块内容丰富，因此分为上、中、下三篇完成。本节为上篇，主要介绍4个基础数据操作模块。本篇文档约6000字。

注：本节主要内容来自scikit-image官网。

2.1 skimage各模块总览

进入scikit-image官网，最新版本为0.22.0（截止到2024年2月），点击网页最上方的“Document”，然后再点击“API reference”，就能进入到其各个子模块的列表，如下图所示：

上图中，一共列出了15个模块（还有两个2个模块功能近似，没有列出），根据功能不同，可将它们模块分为两大类：基础数据操作类和算法类。

基础数据操作类模块：包括了skimage.io，skimage.color，skimage.draw，skimage.data，一共4个。
算法类模块：包括了skimage.exposure，skimage.feature，skimage.filter，skimage.graph，skimage.measure，skimage.metrics，skimage.morphology，skimage.restoration，skimage.segmentation，skimage.transform，skimage.util，skimage.resgistration，skimage.future，一共13个。

下面按照它们在数字图像处理所属技术领域的不同，介绍各模块的主要功能，方便各位能够快速查找所需的功能函数。为了便于阅读，在介绍时我将每个模块前缀的skimage类名省略，但在实际调用时，除非已经完全加载，否则还是应该输入类名。

官网提供的文档是最好的参考资料，除此之外，还有一些第三方提供了有关Sci-kit image的帮助资源。比如：w3cschool提供了一个Skimage函数查询链接，使用很方便，但没有更新到最新版本的Skimage。

2.2 基础数据操作类模块

基本数据处理模块主要完成针对图像、图形以及图像序列数据的I/O操作，包括：数据的读写、格式转换、图形绘制等功能，不涉及具体的DIP算法。

2.2.1 io模块

该模块完成的是读取（或写入）不同格式的图像文件，实现了Skimage中绝大多数I/O操作。

给出模块skimage.io的链接，供大家迅速浏览。需要说明的是，使用前首先使用一下语句，将io模块载入（其他的模块也是采用类似的操作，不再重复提示）。

from skimage import io

最新版本的Skimage.io模块共有24个成员函数，以下列出了所有成员函数的名称及简要说明，翻译的不一定很准确，各位可参考官方给出的原文。

skimage.io.call_plugin：找到合适的“kind”插件并执行它。
skimage.io.concatenate_images：将图像集合中的所有图像连接到一个数组中，主要用于由多幅图像构成的序列图像。
skimage.io.find_available_plugins：列出可能的插件。
skimage.io.imread：从文件中加载图像，即图像读取操作。
skimage.io.imread_collection：加载一组图像。
skimage.io.imread_collection_wrapper：
skimage.io.imsave：图像保存操作。
skimage.io.imshow：图像显示操作。
skimage.io.imshow_collection：显示一组图像。
skimage.io.load_sift：从外部文件中读取SIFT或SURF特征。
skimage.io.load_surf：从外部文件中读取SURF特征。
skimage.io.plugin_info：返回插件原数据。
skimage.io.plugin_order：返回当前首选的插件顺序。
skimage.io.pop：从共享图像堆栈中弹出图像。
skimage.io.push：将图像推送到共享图像堆栈中。
skimage.io.reset_plugins
skimage.io.show：显示待处理图像。
skimage.io.use_plugin：为指定操作设置默认插件。
skimage.io.ImageCollection：加载和管理图像文件合集。
skimage.io.MultiImage：一个包含所有多帧TIFF图像所有帧的类。
skimage.io.collection ：用于保存图像集合的数据结构。
skimage.io.manage_plugins：处理图像读取、写入和绘图插件
skimage.io.sift：
skimage.io.util：

更加详细的使用说明，请参考官网官方文档。另外，本教程后续的“图像基本操作”一节，将再深入介绍部分函数。

2.2.2 color模块

模块名称里面带有color字样，顾名思义，该模块处理对象是彩色信息。更准确的说，该模块处理图像中的颜色信息，比如，不同颜色空间的转换。

首先介绍有关颜色空间（Color Space）一些基本概念。各位可能对颜色空间的含义及用途不甚了解，没关系，只需知道我们平时看到的彩色图像，在计算机进行处理和存储时，通常包含3~4个不同的颜色通道，这些颜色通道组合在一起，才能表达出绚丽多彩的彩色信息。

根据用途和应用领域不同，颜色工程研究人员制定了许多种颜色空间，常用的有RGB、YUV/YCbCr、HSV、Lab/Luv等等。除此之外，还有一种常用的单通道图像，即常见的灰度图像（Gray-level Image）。

不同的应用场合，所获取的或能处理的图像格式不尽相同（既可以压缩格式的不同，也可以是彩色空间的不同），因此就需要将现有格式的转换成指定的格式（比如转换到到指定的颜色空间）。skimage.color模块的主要功能是为了完成图像颜色空间的转换。

虽然该模块skimage.color的功能相对单一，但所含成会函数较多（41个函数），这是因为skimage所支持的颜色空间较多，不同颜色空间对应的转换函数也就较多。各个函数功能相对单一，且使用方式很接近，在此只一个函数为例，简要介绍其实现，其他函数可参考该函数的相关内容。

Skimage使用color.convert_colorspace函数完成不同颜色空间之间的转换，其声明如下

skimage.color.convert_colorspace(arr, fromspace, tospace, channel_axis=-1)

其中，arr代表图像数据，fromspace表示源颜色空间，tospace表示目标颜色空间，channel_axis代表进行处理的颜色通道序号。可以转换的颜色空间包括：‘RGB’, ‘HSV’, ‘RGB CIE’, ‘XYZ’, ‘YUV’, ‘YIQ’, ‘YPbPr’, ‘YCbCr’, ‘YDbDr’。

下面给出一个该函数的使用实例

from skimage import data, color
img = data.astronaut()
img_hsv = color.convert_colorspace(img, 'RGB', 'HSV')

2.2.3 draw模块

模块skimage.draw包括18个函数，主要完成一些绘制功能，比如在图像上绘制一些常见的图形：直线（line），矩形（rectangle）、圆形（circle）、椭圆（ellipse），碟形（disk）、多边形（polygon）和贝塞尔曲线（Bezier curve）等。另外，还可以在绘制图形时指定一些常用的参数，如线型、粗细、颜色等等。但在实际应用中，可以用其他功能更强大的绘图扩展包来替代该模块（如Matplotlib库等）。因此，我们不再单独详细介绍。

在此给出官网的一个图形绘制实例

import math
import numpy as np
import matplotlib.pyplot as plt

from skimage.draw import (
    line,
    polygon,
    disk,
    circle_perimeter,
    ellipse,
    ellipse_perimeter,
    bezier_curve,
)


fig, (ax1, ax2) = plt.subplots(ncols=2, nrows=1, figsize=(10, 6))
img = np.zeros((500, 500, 3), dtype=np.double)

# draw line
rr, cc = line(120, 123, 20, 400)
img[rr, cc, 0] = 255

# fill polygon
poly = np.array(((300, 300),(480, 320),(380, 430),(220, 590),(300, 300),))

rr, cc = polygon(poly[:, 0], poly[:, 1], img.shape)
img[rr, cc, 1] = 1

# fill circle
rr, cc = disk((200, 200), 100, shape=img.shape)
img[rr, cc, :] = (1, 1, 0)

# fill ellipse
rr, cc = ellipse(300, 300, 100, 200, img.shape)
img[rr, cc, 2] = 1

# circle
rr, cc = circle_perimeter(120, 400, 15)
img[rr, cc, :] = (1, 0, 0)

# Bezier curve
rr, cc = bezier_curve(70, 100, 10, 10, 150, 100, 1)
img[rr, cc, :] = (1, 0, 0)

# ellipses
rr, cc = ellipse_perimeter(120, 400, 60, 20, orientation=math.pi / 4.0)
img[rr, cc, :] = (1, 0, 1)
rr, cc = ellipse_perimeter(120, 400, 60, 20, orientation=-math.pi / 4.0)
img[rr, cc, :] = (0, 0, 1)
rr, cc = ellipse_perimeter(120, 400, 60, 20, orientation=math.pi / 2.0)
img[rr, cc, :] = (1, 1, 1)

ax1.imshow(img)
ax1.set_title('No anti-aliasing')
ax1.axis('off')

from skimage.draw import line_aa, circle_perimeter_aa

img = np.zeros((100, 100), dtype=np.double)

# anti-aliased line
rr, cc, val = line_aa(12, 12, 20, 50)
img[rr, cc] = val

# anti-aliased circle
rr, cc, val = circle_perimeter_aa(60, 40, 30)
img[rr, cc] = val

ax2.imshow(img, cmap=plt.cm.gray)
ax2.set_title('Anti-aliasing')
ax2.axis('off')

plt.show()

2.2.4 data模块

数据模块skimage.data很特别，不同于其他模块都是完成的特定操作功能，该模块的功能是读取模块中预存的图像集和数据文件，作为测试图像直接载入，用于展示各种算法的处理结果，起到主观评价的作用。

与其他的面向Python的图像处理扩展库的一点不同，skimage库提供了丰富的图像数据，主要分为四类，见下图：

在此简要介绍一下各类图像库的构成和用途：

一般图像数据库：该库提供了18幅单张图像( 'astronaut', 'binary_blobs', 'brick', 'colorwheel', 'camera', 'cat', 'checkerboard', 'clock', 'coffee', 'coins', 'eagle', 'grass', 'gravel', 'horse', 'logo', 'page', 'text', 'rocket')，主要是彩色/灰度/黑白类型的自然图像，也有部分人工合成图像。该子库图像可用于验证各类通用的图像处理算法。

科学图像数据库：该子库只含有10幅图像（ 'hubble_deep_field', 'immunohistochemistry', 'lily', 'microaneurysms', 'moon', 'retina', 'shepp_logan_phantom', 'skin', 'cell', 'human_mitosis'），图像内容涵盖了多个学科，包括射电、生物、显微成像，等等。

特定图像库：Skimage库提供了三种特定类型的图像，分别是立体图像（1幅）、平面粒子成像测速图像（1幅）和人脸-非人脸图像库。其中，人脸数据集包含200个样本。

多通道图像数据集：3D图像数据库。在该库中，Skimage使用skimage.data.cells3d()函数提供了完成对细胞荧光显微成像数据的处理。

上述各库的使用细节，将在后续的章节里面展开。

在此讨论一个常见的问题，如何使用这些图像数据呢？其实很简单，因为在安装skimage时，上述图像数据都已经下载到本地磁盘上了，只需要加载data模块，然后栽入所需要的图像数据就行。下面给出一个常见的例程，总结成一句话就是“记住文件名，先加载，后使用”。后面的教程中，将大量使用自带的图像数据。

# 加载数据库
from skimage import data, color
from skimage.io import imshow

# 加载moon图像
img_cat = data.cat()
#imshow(img_cat)

# 处理并显示图像
gray_img = color.rgb2gray(img_cat)
imshow(gray_img)

有关基础数据操作模块的介绍就到此为止，下一节我们将开始介绍Skimage中的核心算法模块。