Scikit Image - NumPy 图像

NumPy（也称为“数值 Python”）是 Python 中用于数值计算的最重要的基础包之一。NumPy 的核心数据结构是 ndarray（N 维数组），它是由相同数据类型元素组成的同构集合。这些数组可以是任何维度，例如 1D、2D 或更高维度的数组。NumPy 提供了大量数学函数，可以高效地对这些 N 维数组进行操作。

在 scikit-image 中，图像表示为 NumPy ndarrays（多维数组）。scikit-image 库构建在 NumPy 之上，它使用 NumPy 数组来表示图像。因此，scikit-image 库可以有效地执行各种图像处理任务。

将图像表示为 NumPy 数组

将图像表示为 NumPy 数组，提供了一种方便且高效的方式来存储和操作图像数据。

这里，NumPy 数组的维度对应于图像维度，例如高度、宽度和颜色通道。对于灰度图像，数组通常是二维的（高度 x 宽度）。对于彩色图像，数组是三维的（高度 x 宽度 x 3），其中最后一个维度表示红色、绿色和蓝色颜色通道。

示例 1

以下示例演示了如何在 scikit-image 中将彩色图像表示为 NumPy 数组。

from skimage import io

# Read an image as a grayscale image
img_array = io.imread('Images/Dog.jpg')

# Display image properties from the image array
print('The following are the properties of the loaded image:')

print("Data type of the image object:", type(img_array))
print("Image shape:", img_array.shape)
print("Image data type:", img_array.dtype)

输入图像

输出

The following are the properties of the loaded image:
Data type of the image object: <class 'numpy.ndarray'>
Image shape: (479, 500, 3)
Image data type: uint8

示例 2

让我们看看灰度图像的 NumPy 数组表示。

from skimage import io

# Read an image as a grayscale image
img_array = io.imread('Images/dog.jpg', as_gray=True)

# Display image properties from the image array
print('The following are the properties of the loaded image:')

print("Data type of the image object:", type(img_array))
print("Image shape:", img_array.shape)
print("Image data type:", img_array.dtype)

输出

The following are the properties of the loaded image:
Data type of the image object: <class 'numpy.ndarray'>
Image shape: (479, 500)
Image data type: float64

索引和切片

NumPy 的索引和切片功能可用于访问和操作图像数据。通过使用 NumPy 的灵活索引和切片语法，可以裁剪图像、选择特定的颜色通道或对图像中特定区域应用操作。

示例

以下示例演示了如何在 Scikit-image 中使用 NumPy 的索引和切片语法来修改图像。

from skimage import io

# Read an image as a grayscale image
img_array = io.imread('Images/Tajmahal.jpg')

# Get the value of the pixel at the 10th row and 20th column
pixel_value = img_array[10, 20]
print('The pixel at the 10th row and 20th column of the image array', pixel_value)

# Set value 0 to the pixel at the 3rd row and 10th column
img_array[3, 10] = 0

# Select a region in the image
roi = img_array[100:200, 200:300]

# Set the pixel values in the selected region to red (255, 0, 0)
roi[:] = (255, 0, 0)

# Display the modified image
io.imshow(img_array)
io.show()

输入图像

输出

运行以上代码将得到以下结果：

The pixel at the 10th row and 20th column of the image array [ 81 97 110]

此外，它还会生成以下图像：