python医学图像处理：Numpy、Matplotlib和直方图

一、Numpy

NumPy 的主要对象是齐次多维数组。它是一个元素表（通常是元素是数字），其中所有元素类型都相同，元素以正整数元组索引。在 NumPy 维度（dimension）被称为轴（axis）。

ps. 有几个轴就是几维数组，符合平时生活中有 x, y 两个坐标轴就是二维空间，再加上 z 轴就是三维空间的概念

例如三维空间空一个点的坐标 [1, 2, 1] 有一个轴。这个轴有 3 个元素，即该轴的长度是 3。下面代码区中的数组有两个轴。第一个轴长度是 2，第二个长度是 3.

[[ 1., 0., 0.],
 [ 0., 1., 2.]]

Numpy 的数组类称做 ndarry，别名是 array。注意 numpy.array 和 Python 标准库的类 array.array 不同，标准库的类只处理一维数组（one-dimensional arrays）。

1. 重要属性

• ndarray.ndim

  the number of axes (dimensions) of the array.

• ndarray.shape

  数组的维度（the dimensions of the array）。 以一个整型元组的方式表示数组中每个维度的大小。比如对一个有 n 行 m 列的矩阵来说，其 shape 属性为 (n, m)。The length of the shape tuple is therefore the number of axes, ndim.

• ndarray.size

  数组元素总数。相当于 shape 中每个元素的乘积。

• ndarray.dtype

  一个用来描述数组中元素类型的对象。我们可以使用 Python 标准类型来创建指定该对象，NumPy 也提供了自己的类型，如 numpy.int32, numpy.int16, and numpy.float641 等

• ndarray.itemsize

  数组中每个元素的字节大小。 For example, an array of elements of type float64 has itemsize 8 (=64/8), while one of type complex32 has itemsize 4 (=32/8). It is equivalent to ndarray.dtype.itemsize.

二、Matpltlib

参考：菜鸟教程
Matplotlib是python的绘图库，经常与Numpy一起使用，停工了有效的Matlab开源替代方案，也可以和图形工具包一起使用，比如PyQt和wxPython。

plt.title("图标题") 
plt.xlabel("x轴标识") 
plt.ylabel("y轴标识") 

创建x和y的值

x = np.arange(1,11) 
y =  2  * x +  5 

1.Plot()

直线绘制使用matplotlib中的pyplot子模块的plot()函数绘制。

plt.plot(x,y) 
plt.show()

要显示点而不是线

plt.plot(x,y,"ob") 
plt.show()

2.Subplot()

允许在同一图中绘制不同的东西。

import numpy as np 
import matplotlib.pyplot as plt 
# 计算正弦和余弦曲线上的点的 x 和 y 坐标 
x = np.arange(0,  3  * np.pi,  0.1) 
y_sin = np.sin(x) 
y_cos = np.cos(x)  
# 建立 subplot 网格，高为 2，宽为 1  
# 激活第一个 subplot
plt.subplot(2,  1,  1)  
# 绘制第一个图像 
plt.plot(x, y_sin) 
plt.title('Sine')  
# 将第二个 subplot 激活，并绘制第二个图像
plt.subplot(2,  1,  2) 
plt.plot(x, y_cos) 
plt.title('Cosine')  
# 展示图像
plt.show()

3.Bar()

pyplot子模块提供bar()来生成条形图。

from matplotlib import pyplot as plt 
x =  [5,8,10] 
y =  [12,16,6] 
x2 =  [6,9,11] 
y2 =  [6,15,7] 
plt.bar(x, y, align =  'center') 
plt.bar(x2, y2, color =  'g', align =  'center') 
plt.title('Bar graph') 
plt.ylabel('Y axis') 
plt.xlabel('X axis') 
plt.show()

4.Numpy.histogram()

数据频率分布地图形表示，水平尺寸相等的矩形对应于类间隔，称为 bin，变量 height 对应于频率。

numpy.histogram()函数将输入数组和 bin 作为两个参数。 bin 数组中的连续元素用作每个 bin 的边界。

a = np.array([22,87,5,43,56,73,55,54,11,20,51,5,79,31,27])
hist,bins = np.histogram(a,bins =  [0,10,20,30,40,100])
print (hist)
print (bins)

输出结果为：

[2 1 3 1 8]
[  0  10  20  30  40 100]

其中hist为频率，bins是边界

5.Hist()

可以将直方图的数字转换为图形，pyplot子模块的hist()函数将包含数据和 bin 数组的数组作为参数，并转换为直方图。

hist函数详解

函数内容

def hist(
        x, bins=None, range=None, density=False, weights=None,
        cumulative=False, bottom=None, histtype='bar', align='mid',
        orientation='vertical', rwidth=None, log=False, color=None,
        label=None, stacked=False, *, data=None, **kwargs):
    return gca().hist(
        x, bins=bins, range=range, density=density, weights=weights,
        cumulative=cumulative, bottom=bottom, histtype=histtype,
        align=align, orientation=orientation, rwidth=rwidth, log=log,
        color=color, label=label, stacked=stacked,
        **({"data": data} if data is not None else {}), **kwargs)

函数详解

x : (n,) array or sequence of (n,) arrays
(数组或（允许长度不等的）数组序列)

bins：整数值或序列。

• 如果bins为整数值，则bins为柱子个数，根据数据的取值范围和柱子个数bins计算每个柱子的范围值，柱宽=(x.max()-x.min())/bins。例：数据取值为[1,2,3,4,5,6]，bins=6，柱宽=0.8333…，则每个柱子的范围分别为：[1,1.83), [1.83,2.66)…，[5.17,6]
• 如果bins取值为序列，则该序列给出每个柱子的范围值（即边缘）。除最后一个柱子外，其他柱子的取值范围均为半开（左闭右开）。接上例，数据共n=6个取值，若bins=range(1,n+2)即bins的取值为[1,2,3,4,5,6,7]，注意range用法。则每个柱子的范围为：[1,2),[2,3),…,[5,6),[6,7]。注意：这里可以看出为什么bins的取值需要包含7，因为最后一个柱子的取值范围是全闭的，如果取值只到6，则最后一个柱子的范围为[5,6]，取值为5和6的数据将被合并计算。

range : tuple or None, optional
元组(tuple)或None。剔除较大和较小的离群值，给出全局范围。如果为None，则默认为(x.min(), x.max())。如果bins取值为序列，则range无效，python会基于bins的取值画图。

density：布尔值
如果为true，则返回的元组的第一个参数frequency将为频率而非默认的频数。可自行验证sum(frequency)。

normed : boolean, optional(?)是否将得到的直方图向量归一化
normed=True表示正则化直方图，即归一化（即求频率）

weights : (n, ) array_like or None, optional
与x形状相同的权重数组。将x中的每个元素乘以对应权重值再计数。如果normed或density取值为True，则会对权重进行归一化处理。这个参数可用于绘制已合并的数据的直方图。

cumulative : boolean, optional
布尔值。如果为True，则计算累计频数。如果normed或density取值为True，则计算累计频率。

bottom : array_like, scalar, or None
数组，标量值或None。每个柱子底部相对于y=0的位置。如果是标量值，则每个柱子相对于y=0向上/向下的偏移量相同。如果是数组，则根据数组元素取值移动对应的柱子。

histtype : {‘bar’, ‘barstacked’, ‘step’, ‘stepfilled’}, optional(选择展示的类型,默认为bar)
'bar’是传统的条形直方图；'barstacked’是堆叠的条形直方图；'step’是未填充的条形直方图，只有外边框；‘stepfilled’是有填充的直方图。当histtype取值为’step’或’stepfilled’，rwidth设置失效，即不能指定柱子之间的间隔，默认连接在一起。

align : {‘left’, ‘mid’, ‘right’}, optional(对齐方式)
‘left’：柱子的中心位于bins的左边缘；‘mid’：柱子位于bins左右边缘之间；‘right’：柱子的中心位于bins的右边缘。可在上面两张图中求证。

orientation : {‘horizontal’, ‘vertical’}, optional(直方图方向)
如果取值为horizontal，则条形图将以y轴为基线，水平排列

log : boolean, optional(log刻度)
布尔值。如果取值为True，则坐标轴的刻度为对数刻度。如果log为True且x是一维数组，则计数为0的取值将被剔除，仅返回非空的(frequency, bins, patches）。

color : color or array_like of colors or None, optional(颜色设置)
体颜色，数组（元素为颜色）或None。

label : string or None, optional(刻度标签)
字符串（序列）或None。有多个数据集时，用label参数做标注区分。

stacked : boolean, optional
布尔值。如果取值为True，则输出的图为多个数据集堆叠累计的结果，见下图；如果取值为False且histtype=‘bar’或’step’，则多个数据集的柱子并排排列

返回的参数

frequency（官方文档用n表示）：数组或数组列表。柱子的高，即频数或频率值，数据类型为float。

bins：每个柱子的左右边缘值（即区间范围），例子见上文输入参数bins。

patches：列表或列表的列表。取值为每个柱子包含的数据。

参考链接：
matplotlib.pyplot.hist参数详解
Python matplotlib.pyplot.hist函数 参数详解

直方图和条形图

• 条形图：条形图用长条形表示每一个类别，长条形的长度表示类别的频数，宽度表示表示类别。
• 直方图：直方图是一种统计报告图，形式上也是一个个的长条形，但是直方图用长条形的面积表示频数，所以长条形的高度表示 频数/组距 ，宽度表示组距，其长度和宽度均有意义。当宽度相同时，一般就用长条形长度表示频数。

三、平滑直方图

x是直方图平滑前各个柱子的值组成的数组

def Smooth_f(x):
    '''
    用来实现直方图数据平滑的函数
    :param x: 输入一个列表
    :return:
    '''
    print("smooth begin")
    print(x)
    y = x.copy()
    for i in range(1, len(y)):
        y[i] = 0.5*(y[i]+y[i-1])
        # print([i, y[i]])
    print(y)
    return y

直方图平滑前：

第一次平滑：

第二次平滑