SciPy 教程-SciPy 多维图像处理
SciPy 提供了 ndimage(n维图像)包,其中包含许多用于通用图像处理和分析的函数。它专用于图像处理。我们可以执行图像处理中的多种任务,如图像的输入/输出、分类、特征提取、注册等。
打开和写入图像文件
scipy.ndimage 提供了 misc 包,其中包含一些图像。我们将使用这些图像并进行图像操作。考虑以下示例:
from scipy import misc
f = misc.face()
misc.imsave('face.jpg', f)
import matplotlib.pyplot as plt
plt.imshow(f)
plt.show()
输出:
矩阵中的数字代表图像及其颜色组合。机器使用这些数字进行操作。表示图像有两种方式:灰度和 RGB。RGB 是最流行的表示方式。
我们可以执行一些基本操作,例如图像旋转、图像上下翻转。考虑以下图像上下翻转的示例:
from scipy import misc
face = misc.face()
flip_ud_face = np.flipud(face)
import matplotlib.pyplot as plt
plt.imshow(flip_ud_face)
plt.show()
输出:
SciPy 提供了 rotate() 函数,它可以将图像旋转到指定角度。
from scipy import misc,ndimage
face = misc.face()
rotate_face = ndimage.rotate(face, 30) #rotating the image 30 degree
import matplotlib.pyplot as plt
plt.imshow(rotate_face)
plt.show()
输出:
过滤器
过滤是指修改和增强图像的过程。例如,过滤器可以应用于图像以突出显示某些特征或消除其他特征。使用过滤器实现的图像处理操作包括平滑和边缘增强。考虑使用 SciPy ndimage 进行的以下操作。
- 模糊
模糊是一种用于减少图像中噪声的技术。我们可以执行过滤器操作并观察图像的变化。以下是一个示例:
from scipy import misc
from scipy import ndimage
face = misc.face()
blurred_image = ndimage.gaussian_filter(face, sigma=4)
import matplotlib.pyplot as plt
plt.imshow(blurred_face)
plt.show()
输出:
sigma 值表示五级尺度上的模糊程度。您可以更改 sigma 值并查看差异。
- 边缘检测
边缘检测是图像处理术语,用于在图像中找到对象的边界。它用于图像处理、计算机视觉和机器视觉领域的图像分割和数据提取。
考虑以下示例:
import scipy.ndimage as nd
import numpy as np
im = np.zeros((256, 256))
im[64:-64, 64:-64] = 1
im[90:-90,90:-90] = 2
im = ndimage.gaussian_filter(im, 10)
import matplotlib.pyplot as plt
plt.imshow(im)
plt.show()
输出:
输出图像看起来像一个彩色方块。现在,我们将找到这些彩色块的边缘。ndimage 提供了 sobel() 函数来执行此操作。而 NumPy 提供了 hypot() 函数,用于将两个结果矩阵合并为一个。考虑以下示例:
import scipy.ndimage as nd
import matplotlib.pyplot as plt
im = np.zeros((256, 256))
im[64:-64, 64:-64] = 1
im[90:-90,90:-90] = 2
im = ndimage.gaussian_filter(im, 8)
zx = ndimage.sobel(im, axis = 0, mode = 'constant')
zy = ndimage.sobel(im, axis = 1, mode = 'constant')
sobl = np.hypot(zx, zy)
plt.imshow(sobl)
plt.show()
输出: