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 转棕褐色

棕褐色是指一种特殊的色彩效果,可使图片看起来复古而温暖。

当您看到棕褐色调的照片时,它看起来带有红褐色调。这就像通过怀旧滤镜查看图像,给人一种复古的感觉。

要将 RGB 图像转换为棕褐色,您需要转换每个像素的红色、绿色和蓝色通道以获得所需的棕褐色色调。

Mahotas 中的 RGB 到棕褐色转换

在 Mahotas 中,我们可以使用 colors.rgb2sepia() 函数将 RGB 图像转换为棕褐色调图像。

要了解转换,让我们从 RGB 颜色模型开始

  • 在 RGB 中,图像由三种原色组成− 红色、绿色和蓝色。
  • 图像中的每个像素都有这三种颜色的值,这决定了其整体颜色。例如,如果一个像素的红色值较高,而绿色和蓝色值较低,则它将显示为红色阴影。
  • 现在,要使用 mahotas 将 RGB 图像转换为棕褐色,我们需要遵循一个特定的公式。该公式涉及计算每个像素的红色、绿色和蓝色通道的新值。
  • 这些新值通过为图像提供温暖的褐色色调来创建棕褐色效果。

RGB 到棕褐色的转换步骤

以下是转换过程的简单说明 −

  • 从 RGB 图像开始 − RGB 图像由三个颜色通道组成− 红色、绿色和蓝色。图像中的每个像素都有这三个通道的强度值,范围从 0 到 255。

  • 计算每个像素的强度 −要转换为棕褐色,我们首先需要计算每个像素的整体强度。这可以通过对红色、绿色和蓝色通道取加权平均值来实现。

    平均值中使用的权重可能因所需的棕褐色效果而异。

  • 调整强度值 − 一旦我们有了强度值,我们就可以应用一些特定的变换来获得棕褐色效果。这些变换涉及以模仿棕褐色调的方式调整红色、绿色和蓝色通道的级别。

    这可以通过增加红色通道的强度、降低蓝色通道的强度并保持绿色通道相对不变来实现。

  • 剪切强度值 −调整后,某些强度值可能会超出有效范围(8 位图像为 0 到 255)。为了确保值保持在此范围内,我们需要对其进行剪辑。

    低于 0 的值设置为 0,高于 255 的值设置为 255。

  • 重建棕褐色图像 − 最后,使用调整后的强度值重建棕褐色图像。现在,图像呈现出所需的棕褐色调,呈现出复古的外观。

使用 mahotas.colors.rgb2sepia() 函数

mahotas.colors.rgb2sepia() 函数以 RGB 图像作为输入,并返回图像的棕褐色版本。

生成的棕褐色图像保留了原始 RGB 图像的整体结构和内容,但引入了温暖的褐色色调。

语法

以下是 mahotas − 中 rgb2sepia() 函数的基本语法

mahotas.colors.rgb2sepia(rgb)

其中,rgb 是RGB 颜色空间中的输入图像。

示例

在下面的示例中,我们使用 mh.colors.rgb2sepia() 函数将 RGB 图像转换为棕褐色图像 −

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# 加载图像
image = mh.imread('nature.jpeg')
# 将其转换为棕褐色
sepia_image = mh.colors.rgb2sepia(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()
# 显示棕褐色图像
axes[1].imshow(sepia_image)
axes[1].set_title('Sepia 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

以下是输出上述代码 −

RGB 棕褐色彩色图像

使用变换因子

我们可以使用另一种将 RGB 转换为棕褐色的方法是使用预定系数调整每个颜色通道的强度,这些系数基于每个通道对最终棕褐色图像的贡献。

每个通道对棕褐色的贡献计算如下 −

TR = 0.393 * R + 0.769 * G + 0.189 * B
TG = 0.349 * R + 0.686 * G + 0.168 * B
TB = 0.272 * R + 0.534 * G + 0.131 * B

其中 TR、TG 和 TB 分别是红色、绿色和蓝色的变换因子。

将这些变换应用于 RGB 图像中的每个像素将产生整个棕褐色图像。

示例

以下示例显示使用 RGB 通道的变换因子 − 将 RGB 图像转换为棕褐色

import mahotas as mh
import numpy as np
import matplotlib.pyplot as plt
# 加载图像
image = mh.imread('sun.png')
# 获取图像的尺寸
height, width, _ = image.shape
# 将其转换为棕褐色
# 为棕褐色图像创建一个空数组
sepia_image = np.empty_like(image)
for y in range(height):
   for x in range(width):
      # 获取像素的 RGB 值
      r, g, b = image[y, x]
      # 计算 tr、tg、tb
      tr = int(0.393 * r + 0.769 * g + 0.189 * b)
      tg = int(0.349 * r + 0.686 * g + 0.168 * b)
      tb = int(0.272 * r + 0.534 * g + 0.131 * b)
      # 必要时对值进行标准化
      if tr > 255:
         tr = 255
      if tg > 255:
         tg = 255
      if tb > 255:
         tb = 255
      # 在棕褐色图像数组中设置新的 RGB 值
      sepia_image[y, x] = [tr, tg, tb]
# 为子图创建图形和轴
fig,axes = plt.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()
# 显示棕褐色图像
axes[1].imshow(sepia_image)
axes[1].set_title('Sepia Image')
axes[1].set_axis_off()
# 调整子图之间的间距
plt.tight_layout()
# 显示图形
plt.show()

输出

上述代码的输出如下 −

RGB Sepia Color Image1