3.3.1 介绍和观点

图像是NumPy的数组np.ndarray

In [1]:

%matplotlib inline
import numpy as np
check = np.zeros((9, 9))
check[::2, 1::2] = 1
check[1::2, ::2] = 1
import matplotlib.pyplot as plt
plt.imshow(check, cmap='gray', interpolation='nearest')

Out[1]:

<matplotlib.image.AxesImage at 0x105717610>

3.3.1.1 scikit-image 和 SciPy 生态系统

最新版的scikit-image包含在大多数的科学Python发行版中，比如，Anaconda或Enthought Canopy。它也包含在 Ubuntu/Debian。

In [6]:

import skimage
from skimage import data  # 大多数函数在子包中

大多数scikit-image函数用NumPy ndarrays作为参数

In [6]:

camera = data.camera()
camera.dtype

Out[6]:

dtype('uint8')

In [7]:

camera.shape

Out[7]:

(512, 512)

In [8]:

from skimage import restoration
filtered_camera = restoration.denoise_bilateral(camera)
type(filtered_camera)

Out[8]:

numpy.ndarray

其他Python包也可以用于图像处理，并且使用Numpy数组:

• scipy.ndimage : 对于 nd-arrays。基础过滤、数学形态学和区域属性
• Mahotas 同时，强大的图形处理库有Python封装:
• OpenCV (计算机视觉)
• ITK (3D图像和注册)
• 其他 (但是，他们没有那么Pythonic也没有Numpy友好，在一定范围)。

3.3.1.2 scikit-image能发现什么

• 网站: http://scikit-image.org/

• 例子库 (就像在 matplotlib 或 scikit-learn): http://scikit-image.org/docs/stable/auto_examples/ 不同类的函数，从基本的使用函数到高级最新算法。

• 过滤器: 函数将图像转化为其他图像。

  • NumPy组件
  • 通用过滤器算法
• 数据简化函数: 计算图像直方图、局部极值位置、角。
• 其他动作: I/O, 可视化，等。