skimage data函数库

最新推荐文章于 2023-06-27 11:59:23 发布
最新推荐文章于 2023-06-27 11:59:23 发布
阅读量4.6k 收藏 26
点赞数 2
分类专栏： python 文章标签： 图像处理 计算机视觉 人工智能 python 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42535423/article/details/122154579
版权

data

标准测试图像。

有关更多图像，请参阅 http://sipi.usc.edu/database/database.php

项目Value
skimage.data.astronaut()宇航员艾琳柯林斯的彩色图像。
skimage.data.binary_blobs（长度，…）用几个圆形的blob-like物体生成合成二进制图像。
skimage.data.camera()灰度“相机”图像。
skimage.data.checkerboard()棋盘图像。
skimage.data.chelsea()切尔西的猫。
skimage.data.clock()运动模糊的时钟。
skimage.data.coffee()咖啡杯。
skimage.data.coins()希腊硬币从庞贝城。
skimage.data.expected_warnings（匹配）用于测试的上下文，以捕获匹配正则表达式的已知警告
skimage.data.horse()一匹马的黑色和白色剪影。
skimage.data.hubble_deep_field()哈勃极限深度场。
skimage.data.img_as_bool（image，force_copy）将图像转换为布尔格式。
skimage.data.immunohistochemistry()用苏木精复染免疫组织化学（IHC）染色。
skimage.data.imread（fname，as_grey，…）从文件加载图像。
skimage.data.load（f，as_grey）加载位于数据目录中的图像文件。
skimage.data.logo()Scikit-image标志，一个RGBA图像。
skimage.data.moon()月亮的表面。
skimage.data.page()扫描页面。
skimage.data.rocket()SpaceX发布Falcon 9上的DSCOVR照片。
skimage.data.stereo_motorcycle()整合立体图像对与地面实况差异。
skimage.data.text()用于角落检测的灰度“文本”图像。
skimage.data.use_plugin（名称，种类）设置指定操作的默认插件。
skimage.data.np

​

astronaut

skimage.data.astronaut()[source]

宇航员艾琳柯林斯的彩色图像。

美国宇航员艾琳柯林斯的照片。她于1992年被选为宇航员，并于1995年首次试运行了STS-63号航天飞机。她在2006年退休后，在外层空间共花费了38天8小时10分钟。

该图像是从美国宇航局大图像数据库https://flic.kr/p/r9qvLn`__下载的。

没有已知的版权限制，公开进公有领域。

import skimage
from PIL import Image

image = skimage.data.astronaut()
image = Image.fromarray(image)
image.show()

在这里插入图片描述

返回：
astronaut : (512, 512, 3) uint8 ndarray  宇航员图像。

binary_blobs

skimage.data.binary_blobs(length=512, blob_size_fraction=0.1, n_dim=2, volume_fraction=0.5, seed=None)[source]

用几个圆形的blob-like物体生成合成二进制图像。
在这里插入图片描述

  • 参数：

  • 长度：int，可选输出图像的线性尺寸。

  • blob_size_fraction：float，可选blob的典型线性大小（作为长度的一部分）应小于1.

  • n_dim：int，可选输出图像的维数。

  • volume_fraction：float，默认值0.5 blob覆盖的图像像素的分数（其中输出为1）。应该在0,1中。

  • seed：int，可选Seed来初始化随机数生成器。如果没有，则使用操作系统中的随机种子。

返回：
blob：bools的ndarray输出二进制图像

例子

from skimage import data
data.binary_blobs(length=5, blob_size_fraction=0.2, seed=1)
array([[ True, False,  True,  True,  True],
       [ True,  True,  True, False,  True],
       [False,  True, False,  True,  True],
       [ True, False, False,  True,  True],
       [ True, False, False, False,  True]], dtype=bool)

blobs = data.binary_blobs(length=256, blob_size_fraction=0.1)
blobs = data.binary_blobs(length=256, blob_size_fraction=0.05)
blobs = data.binary_blobs(length=256, volume_fraction=0.3)

camera

skimage.data.camera()[source]

灰度“camera”图像。

通常用于分割和去噪示例。
在这里插入图片描述

返回：
 camera : (512, 512) uint8 ndarray相机图像。

checkerboard

skimage.data.checkerboard()[source]

棋盘图像。

棋盘格经常用于图像校准，因为角点很容易定位。由于许多平行边缘，它们还可以很好地将扭曲可视化。
在这里插入图片描述

返回：
 checkerboard : (200, 200) uint8 ndarray 棋盘图像。

chelsea

skimage.data.chelsea()[source]

切尔西的猫。

以纹理为例，水平和对角方向上的突出边缘以及不同比例的特征。
在这里插入图片描述

返回：
 chelsea : (300, 451, 3) uint8 ndarray  切尔西形象。

注意
没有版权限制。CC0由摄影师Stefan van der Walt拍摄。

clock

skimage.data.clock()[source]

运动模糊的时钟。

在沿近似水平方向移动照相机时拍摄了这张挂钟的照片。它可以用来说明逆滤波器和解卷积。

摄影师（Stefan van der Walt）发布到公共领域。
在这里插入图片描述

返回：
 clock : (300, 400) uint8 ndarray时钟图像。

coffee

skimage.data.coffee()[source]

咖啡杯。

这张照片由Pikolo Espresso Bar提供。它包含几个椭圆形状以及不同的纹理（光滑的瓷器当然是木纹）。
在这里插入图片描述

返回：
 coffee : (400, 600, 3) uint8 ndarray 咖啡图片。

注意
没有版权限制。CC0由摄影师（Rachel Michetti）拍摄。

coins

skimage.data.coins()[source]

希腊硬币从庞贝城。

此图显示了灰色背景下概述的几个硬币。它在例如分割测试中特别有用，其中单个对象需要根据背景来识别。背景与硬币共享足够的灰度级，简单分割是不够的。
在这里插入图片描述

返回：
coins : (303, 384) uint8 ndarray  Coins image.

注意
这张照片是从布鲁克林博物馆藏品下载的。

没有已知的版权限制。

expected_warnings

skimage.data.expected_warnings(matching)[source]

用于测试的上下文，以捕获匹配正则表达式的已知警告

参数：

  • 匹配：字符串列表或编译的正则表达式正则表达式用于捕获所需的警告

  • 注意
    用于all_warnings确保提出所有警告。退出后，它会检查记录的警告是否符合所需的匹配模式。如果找不到匹配或发生意外警告，则引发ValueError。允许三类行为：and，or，和optional比赛。这样做是为了适应可能产生不同警告的不同构建环境或环路条件。行为可以合并。如果你通过多种模式，你会得到一个无序的and，所有的警告必须提出。如果您使用|模式中的操作符，则可以捕获多个警告中的一个。最后，你可以用|AZ一个模式来表示它是可选的。

horse

skimage.data.horse()[source]

一匹马的黑色和白色剪影。

此图像从下载 openclipart http://openclipart.org/detail/158377/horse-by-marauder

发布到公共领域并由Andreas Preuss（掠夺者）绘制和上传。
在这里插入图片描述

返回：

 horse : (328, 400) bool ndarray 马形象。

hubble_deep_field

skimage.data.hubble_deep_field()[source]

哈勃极限深度场。

这张照片包含了哈勃望远镜有史以来最远的宇宙观。它可以用作多尺度检测的示例。

在这里插入图片描述

返回：

hubble_deep_field：（872,1000,3）uint8 ndarray哈勃望远镜图像。

注意
此图像是从哈勃网站下载的。

该图像由美国宇航局拍摄，可以在公共领域自由使用。

img_as_bool

skimage.data.img_as_bool(image, force_copy=False)[source]

将图像转换为布尔格式。

参数：

图像：ndarray输入图像。force_copy：bool，可选强制数据的副本，而不管其当前的dtype。

返回：

out：bool（bool_）的ndarray输出图像。

注意
输入dtype的正范围的上半部分是True，下半部分是False。所有负值（如果存在）都是False。

immunohistochemistry

skimage.data.immunohistochemistry()[source]

用苏木精复染免疫组织化学（IHC）染色。

该图显示了用DAB显示FHL2蛋白的IHC表达的结肠腺。应用苏木精复染以增强组织的负面部分。

该图像是在显微镜和分子成像中心（CMMI）获得的。

没有已知的版权限制。
在这里插入图片描述

返回：

 immunohistochemistry : (512, 512, 3) uint8 ndarray  免疫组织化学图像。

imread

skimage.data.imread(fname, as_grey=False, plugin=None, flatten=None, **plugin_args)[source]

从文件加载图像。

  • 参数：
    fname：字符串图像文件名，例如test.jpg或URL。as_grey：bool如果为True，则将彩色图像转换为灰度（64位浮点数）。已经处于灰度格式的图像不会被转换。plugin：str要使用的插件的名称。默认情况下，尝试不同的插件（从Python Imaging Library开始），直到找到合适的候选人。如果没有给出，并且fname是一个tiff文件，则将使用tifffile插件。
返回：

img_array：ndarray不同的色带/通道存储在第三维中，使得灰度图像为MxN，RGB图像MxNx3和RGBA图像MxNx4。
  • Other Parameters
  • plugin_args：关键字传递给给定的插件。flatten：bool向后兼容关键字，取代as_grey。plugin_args：关键字传递给给定的插件。|

load

skimage.data.load(f, as_grey=False)[source]

加载位于数据目录中的图像文件。

  • 参数：
    f: 字符串文件名。as_grey：bool，可选转换为灰度。
返回：

img：ndarray从skimage.data_dir加载的图像。

logo

skimage.data.logo()[source]

Scikit-image标志，一个RGBA图像。
在这里插入图片描述

返回：

logo：（500，500，4）uint8 ndarray Logo图片。

moon

skimage.data.moon()[source]

月亮的表面。

这个月球表面的低对比度图像可用于说明直方图均衡和对比度拉伸。
在这里插入图片描述

返回：

 moon : (512, 512) uint8 ndarray 月亮图像。

页

skimage.data.page()[source]

扫描页面。

打印文本的图像对于需要不均匀背景照明的演示非常有用。

返回：

page：（191，384）uint8 ndarray Page图片。

火箭

skimage.data.rocket()[source]

SpaceX发布Falcon 9上的DSCOVR照片。

这是Falcon 9的发射照片，携带DSCOVR从位于佛罗里达州卡纳维拉尔角空军基地的SpaceX发射综合大楼40升空。
在这里插入图片描述

返回：

rocket：（427,640,3）uint8 ndarray火箭形象。

注意
此图像是从SpaceX Photos下载的。

该图像由SpaceX拍摄并公开发布。

stereo_motorcycle

skimage.data.stereo_motorcycle()[source]

整合立体图像对与地面实况差异。

这两个图像被纠正，使得左图像中的每个像素在右图像中的相同扫描线上具有其对应的像素。这意味着两个图像都被扭曲，使得它们具有相同的方向，但是具有水平空间偏移（基线）。列方向上的地面实际像素偏移由所包括的视差图指定。

这两张图片是Middlebury 2014立体声基准的一部分。数据集由Nera Nesic，Porter Westling，Xi Wang，北岛约克，Greg Krathwohl和Daniel Scharstein在Middlebury College创建。收购过程的详细描述可以在[R91]中找到。

这里包含的图像是基准中默认曝光图像的下采样版本。使用该功能将图像下采样4倍skimage.transform.downscale_local_mean。下面的校准数据和包含的地面真实视差图对于下采样图像有效：

Focal length:           994.978px
Principal point x:      311.193px
Principal point y:      254.877px
Principal point dx:      31.086px
Baseline:               193.001mm
返回：

img_left：（500，741，3）uint8 ndarray左立体声图像。img_right：（500，741，3）uint8 ndarray右侧立体图像。disp：（500,741,3）浮动地面真实视差图，其中每个值描述了左右立体图像中对应像素之间在列方向上的偏移。例如，img_left [10,10 + disp10,10]的相应像素是img_right10,10。NaNs表示左图像中没有地面实况的像素。

注意
原始分辨率图像，具有不同曝光和照明的图像以及地面实景深度图可以在Middlebury网站[R92]中找到。

参考

  • R91
    （1,2）D.Scharstein，H.Hirschmueller，Y. Kitajima，G.Krathwohl，N.Nesic，X.Wang和P.Westling。高分辨率立体数据集，具有亚像素精确度的基本事实。2014年9月在德国慕斯特举行的德国模式识别会议（GCPR 2014）上。

  • R92
    (1, 2) http://vision.middlebury.edu/stereo/data/scenes2014/

text

skimage.data.text()[source]

用于角落检测的灰度“text”图像。

返回：

 text : (172, 448) uint8 ndarray文字图像。

注意
此图像是从维基百科下载的http://en.wikipedia.org/wiki/File:Corner.png`__。

没有已知的版权限制，公开进公有领域。

use_plugin

skimage.data.use_plugin(name, kind=None)[source]

设置指定操作的默认插件。如果该插件尚未加载，该插件将被加载。

参数：

  • 名称：str插件的名称。kind：{‘imsave’，‘imread’，‘imshow’，‘imread_collection’，‘imshow_collection’}，可选设置该功能的插件。默认情况下，插件是为所有功能设置的。

另请参阅

  • available_plugins 可用插件列表

纠错示例
要使用Matplotlib作为默认图像阅读器，您可以编写：

from skimage import io
io.use_plugin('matplotlib', 'imread')
香博士
关注
  • 2
    点赞
  • 踩
  • 26
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
jquery的data函数
03-18
NULL 博文链接：https://hyj1254.iteye.com/blog/586984
相机标定棋盘格 camera calib checkerboard
08-27
相机标定所需棋盘格
DSP中的基于导航接收机的DSP外设存储器行进测试技术
10-21
DSP作为电子系统中数字运算的核心，所操作数据的正确性是系统正常运行的基本保证。以导航接收机中的DSP应用为例，捕获跟踪、信号解调、电文格式转换、多径抑制、抗干扰等实时任务每时每刻都在进行比特信息的交互。作为系统数据的中转站，存储器的任何物理故障都有可能导致系统出现严重的异常。因此，需要一种快速有效的存储器测试算法对DSP外设存储器进行实时功能验证和检测，确保器件没有物理故障[1].本方法专门针对存储器中AF、SAF、SOF、TF、CF故障的检测，如图1中虚线框内所示。 　　在已有的故障检测算法中，Checkerboard算法的测试向量类似于国际象棋中黑白相间的棋盘格，使用0-1间隔的测
MySql.Data.dll
08-14
最新版的MySql.Data 连接mysql数据库时，需要用到，然后在代码中引入using MySql.Data.MySqlClient;
MySql.Data.dll8.0类库
11-26
用于mysql8.0版本的MySql.Data.dll类库，直接引用使用
skimage.io与skimage.data模块详解
大胡子的博客
07-27 1万+
skimage提供了io模块，这个模块是用来操作图片输入输出的。 同时为了方便练习，skimage还提供了data模块，里面嵌套了一些示例图供我们直接使用。 导入io与data模块可用： from skimage import io,data 一、读取并显示图片 io.imread（filename，as_grey=True）：读取图片 参数 filename：图片路径 as_g...
OpenCV 入门从0开始第十天笔记 直方图均衡化
mrnull90的博客
06-13 296
直方图均衡化有什么用呢？答：先说什么是直方图均衡化,通俗的说,以灰度图为例,原图的某一个像素为x,经过某个函数变为y.形成新的图.新的图的灰度值的分布是均匀的,这个过程就叫直方图均衡化.图像直方图均衡化作用:用来增强对比度.首先需要导入一个包 scikit-image不知道有没有的同学可以使用 pip list 查询 1.7.2 anaconda-navigator 1.9.12 anaconda-project 0.8.3
数字图像处理与Python实现
weixin_43729764的博客
09-18 6190
对应课本《数字图像处理与python实现》
彩色图像处理
2303_76921867的博客
06-27 46
plt.savefig('彩色图像灰度化.tif')"""RGB图像转换为HSI图像"""plt.title('RGB原图像')plt.title('HSI图像')plt.title('加权平均法')plt.title('彩色图像')plt.title('最大值法')plt.title('平均值法')plt.title('R分量')plt.title('H分量')plt.title('S分量')plt.title('I分量')"""彩色图像灰度化"""# 定义RGB转HSI。
python的skimage库 图像中值滤波；均值滤波；极大值滤波
Ibelievesunshine的博客
04-04 2784
使用 view_as_blocks （来源于skimage.util）函数。当我们想要对非重叠图像块执行局部操作时，块视图（view_as_blocks的返回值）非常有用。 我们将 图像 astronaut （来源于skimage.data）切成小方块(4*4)。在每个方块内部，我们计算均值、最大值和中位值，然后用这些值表示这个方块的值。处理后结果被放在一起展示，结果中第一张图像为使用三次样条插值...
MATLAB 生成checkerboard的m文件
04-30
用于生成二维和三维的棋盘，注释清楚，大小任你调
内存测试算法以及源码
04-29
下列测试项主要用来测试出那些始终保持高或者低的坏块: Random value XOR comparison SUB comparison MUL comparison DIV comparison OR comparison AND comparison 下列测试项用来测试那些不能正确保存写入的值的坏块： Sequential Increment Block Sequential Solid Bits 下列测试项主要用来测试出那些受制于临近单元的状态或状态改变的坏块： Bit Flip Checkerboard Walking Ones Walking Zeroes Bit Spread 下列测试项用来测试要测的内存地址是否是正确的地址。如果这个步骤报错，说明内存系统有其他严重问题： Stuck Address
详解Vue的组件中data选项为什么必须是函数
01-19
官方解释 data 必须是函数 构造 Vue 实例时传入的各种选项大多数都可以在组件里使用。只有一个例外：data 必须是函数。实际上，如果你这么做： Vue.component('my-component', { template: '<span>{{ message }}</span>', data: { message: 'hello' } }) 那么 Vue 会停止运行，并在控制台发出警告，告诉你在组件实例中 data 必须是一个函数。但理解这种规则为何存在也是很有益处的，所以让我们先作个弊： <div id=example-2> <simple></
MySql.Data.Entity.dll
11-22
MySql.Data.Entit
解析vue data不可以使用箭头函数问题
12-11
首先需要明确，a() {}和 b: () => {}是不同的 let obj = { a() {}, // 相当于 a:function() {}, b: () => {} } 1 VUE.js 源码解析 注意此处只设计核心代码 这段代码也是UMD实现原理，本文这里不是重点，有兴趣的可以自行探究。 (function (global, factory) { typeof exports === 'object' && typeof module !== 'undefined' ? module.exports = factory() : typeof
PHP 常用函数库和一些实用小技巧
01-20
$file_name,r); while($bufline=fgets($fd, 4096)){ $buf.=$bufline; } fclose($fd); return $buf; } ?> 文件写入函式 //文件写入函式 function PHP_Write($file_name,$data,$method=”w”) ... $file_data=fwri
Vue组件为什么data必须是一个函数
11-20
前言 我们需要先复习下原型链... 实例它们构造函数内的this内容是不一样的。 Component.prototype ，这类底下的方法或者值，都是所有实例公用的。 解开疑问 基于此，我们来看看这个问题： function Component(){ }
python sample函数
热门推荐
weixin_42535423的博客
12-21 3万+
python sample函数1 sample(序列a，n)2 random sample() 1 sample(序列a，n) sample(序列a，n) 功能：从序列a中随机抽取n个元素，并将n个元素生以list形式返回。 例： from random import randint, sample date = [randint(10,20) for _ in range(10)] c = sample(date, 5) print(c) # 输出：[12, 17, 10, 12, 17] rand
报错TabError: Inconsistent use of tabs and spaces in indentation
weixin_42535423的博客
07-17 6605
TabError: Inconsistent use of tabs and spaces in indentation 首先这个错误的意思是：在缩进的时候，使用了错误的空格和tab 我使用的python3.6，造成这个错误的原因是我在网上复制代码后，残生了错位或者其他原因，也就是说，这种错误产生的原因正是由于空格或者tab缩进造成的。 然后我做了试验，将空格删除，直接使用tab完成缩进，发现程序正常运行； 再试一下空格缩进，然后发现还是报错了，同样TabError: Inconsistent use
skimage slic
最新发布
07-29
skimage的slic函数是图像处理库中的一个超像素分割算法。它可以将图像分割成多个超像素区域，每个区域具有相似的颜色和纹理特征。slic函数的使用方法如下： 引用\[1\]中的代码展示了如何使用slic函数进行图像分割。首先，通过skimage.segmentation模块的slic函数导入图像和参数。然后，使用slic函数对图像进行分割，其中n_segments参数指定了分割后的超像素数量，compactness参数控制了超像素的紧密程度。最后，使用mark_boundaries函数将分割结果可视化，并通过matplotlib.pyplot模块展示出来。 引用\[2\]中的代码也展示了如何使用slic函数进行图像分割。首先，通过skimage.segmentation模块的slic函数导入图像和参数。然后，使用slic函数对图像进行分割，其中n_segments参数指定了分割后的超像素数量，compactness参数控制了超像素的紧密程度。最后，通过numpy模块创建一个用于可视化分割结果的彩色图像，并使用matplotlib.pyplot模块展示原始图像和分割结果。 总结来说，skimage的slic函数是一种用于图像分割的超像素算法，可以将图像分割成多个具有相似特征的区域。通过调整参数，可以控制分割后的超像素数量和紧密程度。 #### 引用[.reference_title] - *1* [python：超像素SLIC算法使用](https://blog.csdn.net/nima1994/article/details/80695114)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [python：使用Scikit-image库的slic函数分割遥感图像](https://blog.csdn.net/qq_35591253/article/details/131306326)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值