本文介绍Python语言用于数字图像处理，那么要使用python进行各种开发和科学计算，需要对应相对的python包，

python有很多的数字图像处理相关的包，像

• PIL
• Pillow
• OpenCV
• scikit-image
• 等等

其中PIL和Pillow只提供最基础的数字图像处理，功能有限；

opencv实际上是一个c++库，只是提供了python接口，

scikit-image是基于scipy的一款图像处理包，它将图片作为numpy数组进行处理，正好与matlab一样，因此，我们最终选择scikit-image进行数字图像处理。

python库安装

可以通过pip进行安装

sudo pip install xxxx

scikit-image是基于numpy，因此需要安装numpy和scipy，同时需要安装matplotlib进行图片的实现等。

因此，需要安装如下的包：

numpy (1.13.3)
matplotlib (2.1.0)
scikit-image (0.13.1)
scipy (1.0.0)

也可以直接下载集成开发环境Anaconda,该环境已经集成了数字图像处理相关的包，因此安装起来比较方便。

可以通过如下程序简单测试下相关库是否安装成功

import numpy as np
import scipy as sp
import matplotlib.pyplot as plt
from skimage import io

img = io.imread("./cat.png")
print(img.shape)

plt.imshow(img)
plt.show()

若显示正常，则可以认为相关的库安装成功

skimage库子模块介绍

skimage库的全称scikit-image Scikit， 是对scipy.ndimage进行了扩展，提供了更多的图片处理功能。skimage包含很多的子模块，各个子模块具有不同的功能，如下

子模块名称	实现功能
io	读取,保存和显示图片和视频
color	颜色空间变换
data	提供一些测试图片和样本数据
filters	图像增强，边缘检测，排序滤波器，自动阈值等
draw	操作于numpy数组上的基本图形绘制，包括线条，矩阵，圆和文本等
transform	几何变换和其他变换，如旋转，拉伸和Radon(拉东)变换等
exposure	图像强度调整，例如，直方图均衡化等
feature	特征检测和提取， 例如，纹理分析等
graph	图论操作，例如，最短路径
measure	图像属性测量，例如，相似度和轮廓
morphology	形态学操作，如开闭运算，骨架提取等
novice	简化的用于教学目的的接口
restoration	修复算法，例如去卷积算法，去噪等
segmentation	图像分割为多个区域
util	通用工具
viewer	简单图形用户界面用于可视化结果和探索参数

当要使用对应的模块中功能函数时，需要通过import导入对应的子模块即可, 若要导入多个子模块时，子模块之间用逗号隔开，如下：

from skimage import io, data, feature

skimage操作

图像读取, 保存与显示

skimage中io子模块提供了相关的功能，同时也提供了一些data模块，其中包含一些示例图片用于练习

导入io子模块的python语句如下:

from skimage import io

从外部读取图片并显示

使用 skimage.io.imread(fname) 读取fname指定的图片，

skimage.io.imshow(arr)， 表示显示arr数组表示的图片

from skimage import io
img = io.imread('./cat.png')
io.imshow(img)
io.show()

读取单张灰度图片时，使用 skimage.io.imread(fname, as_grey=True) 函数，第一个参数fname表示要显示的图片路径，第二个参数as_grey，是bool类型，默认值False。

from skimage import io
img = io.imread('./cat.png', as_grey=True)
io.imshow(img)
io.show()

skimage自带图片

图片名称	说明
astronaut	宇航员
binary_blobs	二元斑点
camera	相机
checkerboard	棋盘
chelsea	猫
clock	时钟
coffee	一杯咖啡
coins	硬币
horse	马
hubble_deep_field	星空
immunohistochemistry	结肠图片
logo	商标
moon	月球表面
page	书页内容
rocket	火箭
text	文字图片

例如

from skimage import io, data
img = data.hubble_deep_field()
io.imshow(img)
io.show()

图片名就是对应的函数名，如camera图片对应的函数名为 data.camera()。

注：这些图片存储在skimage的安装目录下，可以通过data_dir把路径打印出来。

from skimage import data_dir
print (data_dir)

输出为：

/usr/local/lib/python3.6/dist-packages/skimage/data

保存图片

使用 io.imsave(fname, arr) 函数进行保存,

• 参数fname: 表示保存的路径和名称
• 参数arr：表示需要保存的数组变量

from skimage import io, data

img = data.checkerboard()
io.imshow(img)
io.imsave('checkerboard_copy.jpg', img)

这样，在当前的工作目录下就增加了一个checkerboard_copy.jpg文件。

注：保存图片同时也起到了转换格式的作用，若读取的是png格式图片，当保存为jpg时，则图片从png格式转换为jpg格式图片。

获取图片信息

from skimage import io, data

img = data.chelsea()
io.imshow(img)
io.show()

print(type(img))    # 类型
print(img.shape)    # 形状
print(img.shape[0]) # 图片宽度
print(img.shape[1]) # 图片高度
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

输出如下

图像像素访问与裁剪

图片读入程序后，以numpy数组方式存储，因此对numpy数组的操作，都可以用于图片数组，对数组元素的访问，实际上就是对图片像素点的访问。

像素读取

对 彩色图片 的像素点访问方式如下

img[i, j, c]

其中：

• i 表示图片的行数
• j 表示图片的列数
• c 表示图片的通道数(RGB三通道分别对应0, 1, 2)。

坐标从左上角开始

对 灰度图片 的像素点访问方式如下

gray[i, j]

例如， 对data中宇航员图片的B通道中的第20行10列的像素值

from skimage import io, data

img = data.astronaut()
pixel = img[20, 10, 2]
print(pixel)

输出

69

例如，显示红色单通道图片的程序如下

from skimage import io, data

img = data.astronaut()
R = img[:, :, 0]
io.imshow(R)
io.show()

输出为：

像素修改

例如，对宇航员图片随机添加椒盐噪声

from skimage import io, data
import numpy as np

img = data.astronaut()

# 随机生成5000个椒盐点
rows, cols, dims = img.shape

for i in range(5000):
    x = np.random.randint(0, rows)
    y = np.random.randint(0, cols)
    img[x, y, :] = 255

io.imshow(img)
io.show()

输出如下：

此处，使用numpy中的random来产生随机数， randint(0, cols)表示随机生成一个整数， 范围在0到cols之间。

图片裁剪

由于图片是以numpy数组进行存储，因此对于数组的裁剪，就是对图片的裁剪

例如，对宇航员图片进行裁剪

from skimage import io, data

img = data.astronaut()
partial_img = img[50:150, 170:270, :]
io.imshow(partial_img)
io.show()

输出结果为:

对多个像素点进行操作时， 使用数组切片方式进行访问， 切片方式访问的是指定间隔内下标对应的像素点。以下是一些例子

img[i,:] = im[j,:]      # 将第 j 行的数值赋值给第 i 行

img[:,i] = 100          # 将第 i 列的所有数值设为 100

img[:100,:50].sum()     # 计算前 100 行、前 50 列所有数值的和

img[50:100,50:100]      # 50~100 行，50~100 列（不包括第 100 行和第 100 列）

img[i].mean()           # 第 i 行所有数值的平均值

img[:,-1]               # 最后一列

img[-2,:] (or im[-2])   # 倒数第二行

以下是两个对图片的像素值进行访问和修改的例子

例1： 将宇航员图片进行二值化，像素值大于128的变为1, 否在变为0

from skimage import io, data, color

img = data.astronaut()

img_gray = color.rgb2gray(img)
rows, cols = img_gray.shape

for i in range(rows):
    for j in range(cols):
        if (img_gray[i, j] <= 0.5):
            img_gray[i, j] = 0
        else:
            img_gray[i, j] = 1
io.imshow(img_gray)
io.show()

例2： 使用color模块的rgb2gray()函数，将彩色三通道图片转换为灰度图片，转换结果为float64类型的数组，范围在[0,1]之间

from skimage import io, data

img = data.astronaut()

img_idx_modified = img[:, :, 0] > 170
print(img_idx_modified)
img[img_idx_modified] = [0, 255, 0]

io.imshow(img)
io.show()

输出为

这个例子先对R通道的所有像素值进行判断，如果大于170，则将这个地方的像素值变为[0,255,0], 即G通道值为255，R和B通道值为0。

图像数据类型以及颜色空间转换

图像数据类型

在skimage中，一张图片以numpy数组形式存储，数组的数据类型有很多中，相互之间可以转换，数据类型以及取值范围如下表所示

数据类型	数值范围
uint8	0 to 255
uint16	0 to 65535
uint32	0 to 232−1232−1
float16	半精度浮点数：16位，正负号1位，指数5位，精度10位
float32	单精度浮点数：32位，正负号1位，指数8位，精度23位
float64	双精度浮点数：64位，正负号1位，指数11位，精度52位
float	-1 to 1 or 0 to 1
int8	-128 to 127
int16	-32768 to 32767
int32	−231−231 to 232−1232−1

一张图片的像素值范围是[0,255], 因此默认类型是unit8, 可用如下代码查看数据类型：

from skimage import io, data

img = data.astronaut()

print(img.dtype.name)

输出

uint8

在上面的表中，特别注意的是float类型，它的范围是[-1,1]或[0,1]之间。一张彩色图片转换为灰度图后，它的类型就由unit8变成了float

uint8转为float

from skimage import data, img_as_float

img = data.astronaut()
print(img.dtype.name)

dst = img_as_float(img)
print(dst.dtype.name)
dst

输出为

uint8
float64

float转为uint8

from skimage import img_as_ubyte
import numpy as np

img = np.array([0, 0.5, 1], dtype=float)
print(img.dtype.name)

dst = img_as_ubyte(img)
print(dst.dtype.name)

输出为：

float64
uint8

float转为uint8,可能会造成数据损失，因此会有警告

除了如上两种转换以外，还有其他的一些类型转换，如下表:

函数名	描述
img_as_float	Convert to 64-bit floating point
img_as_ubyte	Convert to 8-bit uint
img_as_uint	Convert to 16-bit uint
img_as_int	Convert to 16-bit int

颜色空间及转换

除了直接转换可以改变数据类型外，还可以通过图像的颜色空间转换来改变数据类型。

常用的颜色空间有灰度空间、rgb空间、hsv空间和cmyk空间。颜色空间转换以后，图片类型都变成了float型。

所有的颜色空间转换函数，都放在skimage的color模块内

例1： RGB转为灰度图

from skimage import io,data,color
img=data.camera()
gray=color.rgb2gray(img)
io.imshow(gray)
io.show()

其它的转换，用法都是一样的，列举常用的如下：

skimage.color.rgb2grey(rgb)

skimage.color.rgb2hsv(rgb)

skimage.color.rgb2lab(rgb)

skimage.color.gray2rgb(image)

skimage.color.hsv2rgb(hsv)

skimage.color.lab2rgb(lab)

实际上，上面的所有转换函数，都可以用一个函数来代替

skimage.color.convert_colorspace(arr, fromspace, tospace)

表示将arr从fromspace颜色空间转换到tospace颜色空间。

例1： RGB转为HSV

from skimage import io, data, color

img = data.coffee()
hsv = color.convert_colorspace(img, 'RGB', 'HSV')
io.imshow(hsv)
io.show()

输出为

在color模块的颜色空间转换函数中，还有一个比较有用的函数是

skimage.color.label2rgb(arr), 可以根据标签值对图片进行着色。以后的图片分类后着色就可以用这个函数。

例：将coffee图片分成三类，然后用默认颜色对三类进行着色

from skimage import io,data,color
import numpy as np

img=data.coffee()
gray=color.rgb2gray(img)
rows,cols=gray.shape

labels=np.zeros([rows,cols])
for i in range(rows):
    for j in range(cols):
        if(gray[i,j]<0.4):
            labels[i,j]=0
        elif(gray[i,j]<0.75):
            labels[i,j]=1
        else:
            labels[i,j]=2
dst=color.label2rgb(labels)

io.imshow(dst)
io.show()

参考

• skimage modules
• python数字图像处理
• python数字图像处理（4）：图像数据类型及颜色空间转换