图像数据处理

悠悠 2021-11-02 11:40 511阅读 0赞

# 1.计算机视觉（CV） #

从图像和时频中提取数值或符号信息的计算系统；  
使计算机能够和人类一样看到并理解图像；  
应用：  
识别、鉴别、监测；  
运动、分割、跟踪、多视图几何；  
线型滤波、边缘监测、纹理；  
相机模型、相机标定、辐射测定、颜色；

# 2.scikit-image #

## 2.1skimage的图像数据 ##

skiamge中的图像数据是由Numpy的多维数组表示的  
由skimage加载的图像可以调用其他常用的包进行处理和计算，如matplotib,scipy等

## 2.2数据类型和像素值 ##

CV中的图像的像素值通常有以下两种处理范围  
0-255 0-黑色 255-白色  
0-1 0黑色 1-白色

skimage支持以上两种像素范围，至于如何选择是根据数组的dtype决定的  
float 0-1  
unsigned bytes 0-255  
unsigned 16-bit integers 0-65535

像素值数据类型转换  
img\_as\_float, img\_as\_ubyte  
推荐使用float， skimage包内部大多数使用的是float类型，即像素值是0-1

显示图像  
通过matplotlib， plt.imshow() 可以指定不同的color map

图像I/O  
加载图像，skiamge.io.imread()  
同时加载多个图像，skimage.io.imread\_collection()  
保存图像, skiamge.io.imasve()

## 2.3.图像数据 ##

图像数据是多维数组，前两维表示了图像的高、宽第三维表示图像的通道个数，如RGB，第三个维度为3，因为有三个通道；灰度图像没有第三个维度

分割和索引  
像操作ndarray一样操作即可

## 2.4色彩空间 ##

RGB转Gray,skimage,color.rgb2gray()

## 2.5颜色直方图 ##

直方图是一种能快速描述图像整体像素值分布的统计信息skimage.exposure.histogram  
如：可以根据直方图选定阈值用于调节图像对比度

## 2.6对比度 ##

增强图像数据的对比度有利于特征的提取，不论是从肉眼还是算法来看都有帮助；  
更改对比度范围；  
skimage.exposure.rescale\_intensity(image,in\_range=(min,max))  
原数据图像中，小于min的像素值设为0，大于max的像素值设为255  
直方图均衡化  
自动调整图像的对比度skimage.exposure.eauzalize\_hist(image)  
(注意)均衡化后的图像数据处理范围是【0,1】

## 2.7滤波 ##

图像滤波  
滤波是处理图像数据中的常用操作  
可以用来去除图像中的噪声点

中值滤波  
skimage.filters.rank.median

高斯滤波  
skimage.filters.gaussian

# 3.常用的图像特征方法 #

颜色特征、纹理特征、形状特征  
特征方法skimage.feature

## 3.1颜色特征 ##

图像检索中应用最为广泛的视觉特征

## 3.2图像形状特征 ##

形状特征的表达必须以对图像中物体或区域的分割为基础  
SIFT，在尺度空间中提取的图像局部特征点。SIFT特征提取较为方便，提取速度较快，对于图像的缩放等变换比较鲁邦，因此广泛应用。

构造尺度空间、搜索关键点、去除噪点、计算特征向量

HOG用于检测物体的特征描述，通过计算和统计图像局部区域的梯度方向直方图来构建特征；  
由于HOG是在图像的局部方格单元格上操作，所以它对图像几何和光学的形变都能保持很好的不变形；  
HOG特征特别适合于做图像中的人体检测