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 LAB 的转换

LAB 颜色空间是一种接近人类对颜色感知的颜色模型。它将颜色信息分为三个通道 −

  • L(亮度) − L 通道表示颜色的感知亮度(亮度)。其范围从 0(最暗的黑色)到 100(最亮的白色)。

  • A(绿-红轴) − 表示颜色在绿-红轴上的位置。负值表示绿色,正值表示红色。

  • B(蓝-黄轴) − 表示颜色在蓝-黄轴上的位置。负值表示蓝色,正值表示黄色。

在从 RGB 转换为 LAB 的过程中,每个 RGB 像素值都被标准化为 0 到 1 的范围。

然后,应用各种数学变换,例如调整亮度、使颜色更准确地符合我们的感知,以及将它们转换为 LAB 值。

这些调整帮助我们以与人类看到的方式相匹配的方式表示颜色。

Mahotas 中的 RGB 到 LAB 转换

在 Mahotas 中,我们可以使用 colors.rgb2lab() 函数将 RGB 图像转换为 LAB 图像。

Mahotas 中的 RGB 到 LAB 转换涉及以下步骤 −

  • 标准化 RGB 值 −首先将每个像素的 RGB 值调整到 0 到 1 之间的标准范围。

  • 伽马校正 − 伽马校正应用于标准化的 RGB 值,以调整图像的亮度级别。

  • 线性化 RGB 值 − 伽马校正后的 RGB 值将转换为线性 RGB 颜色空间,确保输入值和输出值之间存在线性关系。

  • 转换为 XYZ 颜色空间 − 使用转换矩阵将线性 RGB 值转换为 XYZ 颜色空间,该空间表示图像的颜色信息。

  • 计算 LAB 值 − 从 XYZ 值开始,LAB 值使用特定公式计算,以说明我们的眼睛如何感知颜色。 LAB 颜色空间将亮度 (L) 与颜色分量 (A 和 B) 分开。

  • 应用参考白色值 − 根据参考白色值调整 LAB 值,以确保准确的颜色表示。

  • LAB 表示 − 得到的 LAB 值表示图像的颜色信息。 L 通道表示亮度,而 A 和 B 通道表示沿两个轴的颜色信息。

使用 mahotas.colors.rgb2lab() 函数

mahotas.colors.rgb2lab() 函数将 RGB 图像作为输入并返回图像的 LAB 颜色空间版本。

生成的 LAB 图像保留了原始 RGB 图像的结构和内容,同时提供了增强的色彩表示。

语法

以下是 mahotas − 中 rgb2lab() 函数的基本语法

mahotas.colors.rgb2lab(rgb, dtype={float})

其中,

  • rgb − 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.rgb2lab() 函数将 RGB 图像转换为 LAB 图像 −

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# 加载图像
image = mh.imread('sea.bmp')
# 将其转换为 LAB
lab_image = mh.colors.rgb2lab(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 LAB 图像
axes[1].imshow(lab_image)
axes[1].set_title('LAB 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−

LAB 颜色空间

随机图像的 RGB 到 LAB 转换

我们可以通过 − 将随机生成的 RGB 图像转换为 LAB 颜色空间

  • 首先,定义图像的所需大小,指定其宽度和高度。
  • 我们还确定颜色深度,通常为 8− 位,范围从 0 到 255。
  • 接下来,我们使用 NumPy 中的"random.randint()"函数为图像中的每个像素生成随机 RGB 值。
  • 一旦我们有了 RGB 图像,我们就会继续将其转换为 LAB 颜色空间。

生成的图像将位于 LAB 颜色空间中,其中图像的亮度和颜色信息被分成不同的通道。

示例

以下示例显示了将随机生成的 RGB 图像转换为 LAB 颜色空间中的图像 −

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# 创建随机 RGB 图像
image = np.random.randint(0, 256, (100, 100, 3), dtype=np.uint8)
# 将其转换为 LAB
lab_image = mh.colors.rgb2lab(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 LAB 图像
axes[1].imshow(lab_image)
axes[1].set_title('LAB 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 −

RGB LAB Image