图像处理笔记 -- Python skimage 图像处理

from skimage import io, data
img = data.chelsea()
io.imshow(img)
print(type(img))  # 显示类型
print(img.shape)  # 显示尺寸，这匹配矩阵 / 线性代数符号，但与笛卡尔（x，y）坐标相反。
print(img.shape[0])  # 图片高度
print(img.shape[1])  # 图片宽度
print(img.shape[2])  # 图片通道数
print(img.size)   # 显示总像素个数
print(img.max())  # 最大像素值
print(img.min())  # 最小像素值
print(img.mean()) # 像素平均值
print(img[0][0])  # 图像的像素值（高度，宽度，通道数）
>>>

skimage.color.rgb2grey(rgb)
skimage.color.rgb2hsv(rgb)
skimage.color.rgb2lab(rgb)
skimage.color.gray2rgb(image)
skimage.color.hsv2rgb(hsv)
skimage.color.lab2rgb(lab)

# cmap: 颜色图谱（colormap），默认绘制为 RGB(A) 颜色空间。
matplotlib.pyplot.imshow(X, cmap=None)

#encoding=utf8
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patches as mpatches
from skimage import data, filters, segmentation, measure, morphology, color

def imgshow(img):
    plt.imshow(img)
    plt.show()

# 综合示例：阈值分割 + 闭运算 + 连通区域标记 + 删除小区块 + 分色显示
# 加载并裁剪硬币图片
image = data.coins()[50:-50, 50:-50]

thresh = filters.threshold_otsu(image) # 阈值分割
bw = morphology.closing(image > thresh, morphology.square(3)) # 闭运算

cleared = bw.copy() # 复制
cleared = segmentation.clear_border(cleared) # 清除与边界相连的目标物
cleared = morphology.opening(cleared, morphology.disk(2)) # 去除孤立的小斑点
cleared = morphology.closing(cleared, morphology.disk(2)) # 大斑点内部联通

label_image = measure.label(cleared) # 连通区域标记

#imgshow(bw) # 完整的蒙版
#imgshow(cleared) # 干净的蒙版
borders = np.logical_xor(bw, cleared) # 异或
#imgshow(borders) # 去掉的蒙版部分

label_image[borders] = 0
# 不同标记用不同颜色显示
image_label_overlay = color.label2rgb(label_image, image=image, bg_label=0)

fig,(ax0,ax1) = plt.subplots(1, 2, figsize=(8, 4))
ax0.imshow(cleared, plt.cm.gray)
ax1.imshow(image_label_overlay)

for region in measure.regionprops(label_image): # 循环得到每一个连通区域属性集

    # 忽略小区域
    if region.area < 100:
        continue

    # 绘制外包矩形
    minr, minc, maxr, maxc = region.bbox
    rect = mpatches.Rectangle((minc, minr), maxc - minc, maxr - minr,
                              fill=False, edgecolor='red', linewidth=2)
    ax1.add_patch(rect)
fig.tight_layout() # 会自动调整子图参数，使之填充整个图像区域。
fig.canvas.set_window_title("自动识别标注硬币")
plt.show()