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 RGB 转换

我们在之前的教程中学习了 XYZ 颜色空间、RGB 颜色空间和 RGB 到 XYZ 的转换。现在让我们讨论一下 XYZ 颜色空间到 RGB 颜色空间的转换。

当我们从 XYZ 转换为 RGB 时,我们会获取颜色的 XYZ 值(代表其感知属性),并将它们转换为红色、绿色和蓝色值。

通过此转换,我们可以以适合在特定设备或屏幕上显示的格式表示颜色。

Mahotas 中的 XYZ 到 RGB 转换

在 Mahotas 中,我们可以使用 colors.xyz2rgb() 函数将 XYZ 图像转换为 RGB 图像。

Mahotas 中的 XYZ 到 RGB 转换涉及以下步骤 −

  • 规范化 XYZ 值 − 规范化 X、Y 和 Z 值,使其介于 0 和 1 之间。此步骤可确保 XYZ 值相对于参考白点,并允许进行一致的颜色计算。

  • 将规范化的 XYZ 转换为线性 RGB −接下来,使用转换矩阵将规范化的 XYZ 值转换为线性 RGB 值。转换矩阵指定 XYZ 坐标如何影响最终颜色的红色、绿色和蓝色成分。

    执行矩阵乘法以获得线性 RGB 值。

  • 应用伽马校正 − 伽马校正会调整 RGB 值的亮度以匹配人类视觉系统的响应。

  • 缩放 RGB 值 − 伽马校正后,RGB 值通常在 0 到 1 的范围内。要表示 8− 位范围(0−255)中的颜色,您需要缩放 RGB 值。

    将每个经过伽马校正的 RGB 值乘以 255,使其达到适当的比例。

  • 结果 − 一旦应用了缩放,您就获得了 RGB 颜色值。这些值表示生成颜色的红色、绿色和蓝色通道的强度。

使用 mahotas.colors.xyz2rgb() 函数

mahotas.colors.xyz2rgb() 函数以 XYZ 图像作为输入,并返回该图像的 RGB 颜色空间版本。

生成的 RGB 图像保留了原始 XYZ 图像的结构和内容,但丢失了一些颜色细节。

语法

以下是 mahotas − 中 xyz2rgb() 函数的基本语法

mahotas.colors.xyz2rgb(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.xyz2rgb() 函数将 XYZ 图像转换为 RGB 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 XYZ
xyz_image = mh.colors.rgb2xyz(image)
# 转换回 RGB(有损)
rgb_image = mh.colors.xyz2rgb(xyz_image)
# 为子图创建图形和轴
fig, axis = mtplt.subplots(1, 2)
# 显示原始 XYZ图像
axes[0].imshow(xyz_image)
axes[0].set_title('XYZ 图像')
axes[0].set_axis_off()
# 显示 RGB 图像
axes[1].imshow(rgb_image)
axes[1].set_title('RGB 图像')
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 −

XYZ RGB 转换

使用转换矩阵

我们可以使用转换矩阵将 XYZ 图像转换为 RGB 图像。变换矩阵具有一组用于将 XYZ 像素转换为 RGB 像素的值。

  • 通过在变换矩阵和 XYZ 图像之间进行矩阵乘法,将 XYZ 像素转换为 RGB 像素。
  • 我们通过使用 numpy 库中的 dot() 函数来实现这一点。
  • 然后通过乘以 255 然后除以该像素的最大强度,将每个像素的值从 0 到 1 的范围(XYZ 颜色的强度范围)标准化为 0 到 255 的范围(RGB 颜色的强度范围),以获得 RGB 图像。

示例

以下示例显示使用变换矩阵将 XYZ 图像转换为 RGB 图像 −

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# 将 XYZ 转换为 RGB 的函数
def xyz_to_rgb(xyz_image):
    # XYZ 到 RGB 转换矩阵
    xyz_to_rgb_matrix = np.array([[3.2406, -1.53​​72, -0.4986],
    [-0.9689, 1.8758, 0.0415],[0.0557, -0.2040, 1.0570]])
    # 使用矩阵乘法执行 XYZ 到 RGB 的转换
    rgb_image = np.dot(xyz_image, xyz_to_rgb_matrix.T)
    # 将 RGB 值从范围 [0, 1] 缩放到 [0, 255]
    rgb_image = (rgb_image * 255.0 / np.max(rgb_image)).astype(np.uint8)
    return rgb_image
# 加载图像
image = mh.imread('tree.tiff')
# 将其转换为 XYZ
xyz_image = mh.colors.rgb2xyz(image)
# 转换回 RGB(有损)
rgb_image = xyz_to_rgb(xyz_image)
# 为子图创建图形和轴
fig, axis = mtplt.subplots(1, 2)
# 显示原始 XYZ 图像
axes[0].imshow(xyz_image)
axes[0].set_title('XYZ Image')
axes[0].set_axis_off()
# 显示 RGB 图像
axes[1].imshow(rgb_image)
axes[1].set_title('RGB 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

上述代码的输出如下 −

XYZ RGB Conversion1