Mahotas 教程

Mahotas - 主页 Mahotas - 简介 Mahotas - 计算机视觉 Mahotas - 历史 Mahotas - 功能 Mahotas - 安装

Mahotas 处理图像

Mahotas - 处理图像 Mahotas - 加载图像 Mahotas - 将图像加载为灰色 Mahotas - 显示图像 Mahotas - 显示图像形状 Mahotas - 保存图像 Mahotas - 图像的质心 Mahotas - 图像的卷积 Mahotas - 创建 RGB 图像 Mahotas - 图像的欧拉数 Mahotas - 图像中的零分数 Mahotas - 获取图像矩 Mahotas - 图像中的局部最大值 Mahotas - 图像椭圆轴 Mahotas - 图像拉伸 RGB

Mahotas 颜色空间转换

Mahotas - 颜色空间转换 Mahotas - RGB 到灰度转换 Mahotas - RGB 到 LAB 转换 Mahotas - RGB 转棕褐色 Mahotas - RGB 到 XYZ 转换 Mahotas - XYZ 到 LAB 转换 Mahotas - XYZ 到 RGB 转换 Mahotas - 增加伽马校正 Mahotas - 拉伸伽马校正

Mahotas 标记图像函数

Mahotas - 标记图像函数 Mahotas - 标记图像 Mahotas - 过滤区域 Mahotas - 边界像素

Mahotas - 形态学操作

Mahotas - 形态运算符 Mahotas - 查找图像平均值 Mahotas - 裁剪图像 Mahotas - 图像偏心率 Mahotas - 叠加图像 Mahotas - 图像圆度 Mahotas - 调整图像大小 Mahotas - 图像直方图 Mahotas - 扩大图像 Mahotas - 腐蚀图像 Mahotas - 分水岭 Mahotas - 图像的开运算过程 Mahotas - 图像的闭合过程 Mahotas - 填补图像中的空洞 Mahotas - 条件性膨胀图像 Mahotas - 条件腐蚀图像 Mahotas - 图像的条件分水岭 Mahotas - 图像中的局部最小值 Mahotas - 图像的区域最大值 Mahotas - 图像的区域最小值

Mahotas - 高级概念

Mahotas - 图像阈值 Mahotas - 设置阈值 Mahotas - 软阈值 Mahotas - Bernsen 局部阈值 Mahotas - 小波变换 Mahotas - 制作图像小波中心 Mahotas - 距离变换 Mahotas - 多边形实用程序 Mahotas - 局部二元模式 Mahotas - 阈值邻接统计 Mahotas - Haralic 特征 Mahotas - 标记区域的权重 Mahotas - Zernike 特征 Mahotas - Zernike 矩 Mahotas - 等级过滤器 Mahotas - 2D 拉普拉斯过滤器 Mahotas - 多数过滤器 Mahotas - 均值滤波器 Mahotas - 中值滤波器 Mahotas - Otsu 方法 Mahotas - 高斯滤波 Mahotas - 命中与未命中变换 Mahotas - 标记最大值数组 Mahotas - 图像平均值 Mahotas - SURF 密集点 Mahotas - SURF 积分 Mahotas - Haar 变换 Mahotas - 突出显示图像最大值 Mahotas - 计算线性二进制模式 Mahotas - 获取标签边框 Mahotas - 逆 Haar 变换 Mahotas - Riddler-Calvard 方法 Mahotas - 标记区域的大小 Mahotas - 模板匹配 Mahotas - 加速稳健特征 Mahotas - 移除带边框的标签 Mahotas - Daubechies 小波 Mahotas - Sobel 边缘检测



Mahotas - RGB 到灰度转换

图像处理中的 RGB 到灰度转换将 RGB 颜色空间中的彩色图像转换为灰度图像。

  • RGB 图像由三个颜色通道组成&min; 红色、绿色和蓝色。 RGB 图像中的每个像素都由这三个通道的强度值组合表示,从而产生各种颜色。
  • 另一方面,灰度图像是单通道图像(仅包含(灰色)色调,其中每个像素代表原始图像中相应位置的强度。
  • 强度值范围从黑色(0)到白色(255),中间为灰色。

Mahotas 中的 RGB 到灰色转换

在 Mahotas 中,我们可以使用 colors.rgb2gray() 函数将 RGB 图像转换为灰度图像。

该函数根据其 RGB 值的加权平均值计算每个像素的灰度强度。

权重反映了人类对颜色的感知,红色的权重最高,其次是绿色,然后是蓝色。

mahotas.colors.rgb2gray() 函数

mahotas.colors.rgb2gray() 函数以 RGB 图像作为输入并返回该图像的灰度版本。

生成的灰度图像保留了原始 RGB 图像的结构和整体内容,但缺少颜色信息。

语法

以下是 mahotas − 中 rgb2gray() 函数的基本语法

mahotas.colors.rgb2gray(rgb_image, dtype=float)

其中,

  • rgb_image −它是 RGB 颜色空间中的输入图像。

  • dtype(可选) − 它是返回图像的数据类型(默认为浮点型)。

示例

在下面的示例中,我们使用 mh.colors.rgb2gray() 函数将 RGB 图像转换为灰度图像−

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# 加载图像
image = mh.imread('nature.jpeg')
# 将其转换为灰度
gray_image = mh.colors.rgb2gray(image)
# 为子图创建图形和轴
fig, axis = mtplt.subplots(1, 2)
# 显示原始 RGB 图像
axes[0].imshow(image)
axes[0].set_title('RGB Image')
axes[0].set_axis_off()
# 显示灰度图像
axes[1].imshow(gray_image, cmap='gray')
axes[1].set_title('Grayscale Image')
axes[1].set_axis_off()
# 调整子图之间的间距
mtplt.tight_layout()
# 显示图形
mtplt.show()
输出

以下是上述代码的输出 −

rgb2gray Color

使用 RGB 通道的平均值

我们还可以使用 RGB 通道的平均值将 RGB 图像转换为灰度图像。

将每个像素的红色、绿色和蓝色强度相加并除以三以获得平均强度值。我们可以使用 numpy 库的 mean() 函数实现此目的。

生成的图像将是具有单个通道的灰度图像,其中每个像素代表 RGB 通道的平均强度,其中每个颜色通道对整体灰度强度的贡献相同。

示例

以下示例显示使用 RGB 通道的平均值将 RGB 图像转换为灰度 −

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# 加载图像
image = mh.imread('sun.png')
# 将其转换为灰度
gray_image = np.mean(image, axis=2).astype(np.uint8)
# 为子图创建图形和轴
fig, axis = mtplt.subplots(1, 2)
# 显示原始 RGB 图像
axes[0].imshow(image)
axes[0].set_title('RGB Image')
axes[0].set_axis_off()
# 显示灰度图像
axes[1].imshow(gray_image, cmap='gray')
axes[1].set_title('Grayscale Image')
axes[1].set_axis_off()
# 调整子图之间的间距
mtplt.tight_layout()
# 显示图
mtplt.show()

输出

上述代码的输出如下 −

Average RGB Channels

使用亮度

亮度是一个术语,用于描述物体或图像的感知亮度或亮度。

在图像处理中,亮度为每个像素的红色、绿色和蓝色通道分配特定的权重,并将它们组合起来计算灰度强度值。

RGB 颜色空间中的亮度可以使用以下公式计算 −

Luminosity = 0.2989 * R + 0.5870 * G + 0.1140 * B

其中,值0.2989、0.58700.1140分别分配给红色、绿色和蓝色通道的权重。这些权重源自用于数字显示的标准 Rec.709 颜色空间。

与简单地平均 RGB 通道相比,此方法产生更好的结果,因为它更好地捕捉了原始图像的视觉感知。

示例

在这里,我们定义了 RGB 的亮度,以将彩色图像转换为其等效的灰度图像 −

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# 加载图像
image = mh.imread('tree.tiff')
# 将其转换为灰色
gray_image = np.dot(image[..., :3], [0.2989, 0.5870, 0.1140]).astype(np.uint8)
# 创建子图的图形和轴
fig, axis = mtplt.subplots(1, 2)
# 显示原始 RGB 图像
axes[0].imshow(image)
axes[0].set_title('RGB Image')
axes[0].set_axis_off()
# 显示灰度图像
axes[1].imshow(gray_image, cmap='gray')
axes[1].set_title('Grayscale Image')
axes[1].set_axis_off()
# 调整子图之间的间距
mtplt.tight_layout()
# 显示图形
mtplt.show()

输出

执行上述代码后,我们得到以下输出 −

Luminosity Image