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 - XYZ 到 LAB 的转换

我们在之前的教程中讨论了 XYZ 和 LAB 颜色空间。现在让我们讨论一下 XYZ 颜色空间到 LAB 颜色空间的转换。

要将 XYZ 转换为 LAB,我们需要使用特定公式进行一些计算。这些公式涉及根据参考白点调整 XYZ 值,该白点代表了查看颜色的标准。

然后使用数学方程将调整后的值转换为 LAB 分量。

简而言之,XYZ 到 LAB 的转换使我们能够以更符合我们眼睛感知颜色的方式表示颜色,从而更容易准确地分析和比较颜色。

Mahotas 中的 XYZ 到 LAB 转换

在 Mahotas 中,我们可以使用 colors.xyz2lab() 函数将 XYZ 图像转换为 LAB 图像。

Mahotas 中的 XYZ 到 LAB 转换涉及以下步骤 −

  • 标准化 XYZ 值 − 首先,我们需要通过将 XYZ 值除以白点值来标准化它们。白点表示被认为是纯白色的参考颜色。

    此标准化步骤可确保颜色值与白点相关。

  • 计算 LAB 值 − 一旦 XYZ 值标准化,mahotas 就会使用特定的转换矩阵将它们转换为 LAB。此转换考虑到人类颜色感知中的非线性,并相应地调整颜色值。

  • 获取 LAB 值 − 最后,mahotas 会提供您开始使用的颜色的 LAB 值。然后可以使用得到的 LAB 值来描述颜色的亮度和两个颜色轴。

    • L 分量 − LAB 中的 L 分量表示颜色的亮度, 范围从 0 到 100。值越高表示颜色越亮,值越低表示颜色越暗。

    • A 和 B 分量 − LAB 中的 A 和 B 分量表示颜色信息。A 分量的范围从绿色 (-) 到红色 (+),而 B 分量的范围从蓝色 (-) 到黄色 (+)。

      这些组件提供有关 XYZ 值的颜色特征的信息。

使用 mahotas.colors.xyz2lab() 函数

mahotas.colors.xyz2lab() 函数将 XYZ 图像作为输入并返回图像的 LAB 版本。

生成的 LAB 图像保留了原始 XYZ 图像的结构和整体内容 但更新了每个像素的颜色。

语法

以下是 mahotas − 中 xyz2lab() 函数的基本语法

mahotas.colors.xyz2lab(xyz, dtype={float})

其中,

  • xyz − 它是 XYZ 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.xyz2lab() 函数将 XYZ 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('sun.png')
# 将 RGB 转换为 XYZ
xyz_image = mh.colors.rgb2xyz(image)
# 将 XYZ 转换为 LAB
lab_image = mh.colors.xyz2lab(xyz_image)
# 为子图创建图形和轴
fig, axis = mtplt.subplots(1, 2)
# 显示 XYZ 图像
axes[0].imshow(xyz_image)
axes[0].set_title('XYZ 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

以下是上述代码的输出 −

XYZ LAB 转换

随机图像的 XYZ 到 LAB 转换

我们可以将随机生成的 XYZ 图像转换为 LAB 颜色空间,方法是首先创建具有任意所需尺寸的图像。接下来,为每个像素的 X、Y 和 Z 通道分配随机值。

X、Y 和 Z 通道代表不同的颜色成分。获得 XYZ 图像后,您可以将其转换为 LAB 图像。

生成的图像将位于 LAB 颜色空间中,具有不同的亮度和颜色通道。

示例

以下示例显示将随机生成的 XYZ 图像转换为 LAB 图像 −

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# 创建 XYZ 图像的函数
def create_xyz_image(width, height):
   xyz_image = np.zeros((height, width, 3), dtype=np.float32)
   for y in range(height):
      for x in range(width):
         # 为像素分配 XYZ 值
         xyz_image[y, x, 0] = 0.035319468
         xyz_image[y, x, 1] = 0.655582062
         xyz_image[y, x, 2] = 0.157362328
   return xyz_image
# 定义图像的尺寸
width = 512
height = 512
# 生成 XYZ 图像
xyz_image = create_xyz_image(width, height)
# 将 XYZ 转换为 LAB
lab_image = mh.colors.xyz2lab(xyz_image)
# 为子图创建图形和轴
fig, axis = mtplt.subplots(1, 2)
# 显示 XYZ 图像
axes[0].imshow(xyz_image)
axes[0].set_title('XYZ 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 −

XYZ LAB Conversion1