基础读写
基础读写
图片读取
读取单张彩色 rgb 图片，使用 skimage.io.imread(fname) 函数,带一个参数，表示需要读取的文件路径。显示图片使用 skimage.io.imshow(arr) 函数，带一个参数，表示需要显示的 arr 数组（读取的图片以 numpy 数组形式计算）。
from skimage import io
img=io.imread('d:/dog.jpg')
io.imshow(img)
读取单张灰度图片，使用 skimage.io.imread(fname，as_grey=True) 函数，第一个参数为图片路径，第二个参数为 as_grey, bool 型值，默认为 False。
from skimage import io
img=io.imread('d:/dog.jpg',as_grey=True)
io.imshow(img)
内置图片
skimage 程序自带了一些示例图片，如果我们不想从外部读取图片，就可以直接使用这些示例图片：
astronaut 航员图片 coffee 一杯咖啡图片
lena lena美女图片 camera 拿相机的人图片
coins 硬币图片 moon 月亮图片
checkerboard 棋盘图片 horse 马图片
page 书页图片 chelsea 小猫图片
hubble_deep_field 星空图片 text 文字图片
clock 时钟图片 immunohistochemistry 结肠图片
显示这些图片可用如下代码，不带任何参数：
from skimage import io, data
img=data.lena()
io.imshow(img)
图片名对应的就是函数名，如 camera 图片对应的函数名为 camera(). 这些示例图片存放在 skimage 的安装目录下面，路径名称为 data_dir,我们可以将这个路径打印出来看看：
from skimage import data_dir
print(data_dir)
保存图片
使用 io 模块的 imsave(fname,arr) 函数来实现。第一个参数表示保存的路径和名称，第二个参数表示需要保存的数组变量。
from skimage import io,data
img=data.chelsea()
io.imshow(img)
io.imsave('d:/cat.jpg',img)
保存图片的同时也起到了转换格式的作用。如果读取时图片格式为 jpg 图片，保存为 png 格式，则将图片从 jpg 图片转换为 png 图片并保存。
图片属性
其他的 skimage 中常用的图片属性的方法有：
from skimage import io, data
img = data.chelsea()
io.imshow(img)
print(type(img)) # 显示类型
print(img.shape) # 显示尺寸
print(img.shape[0]) # 图片高度
print(img.shape[1]) # 图片宽度
print(img.shape[2]) # 图片通道数
print(img.size) # 显示总像素个数
print(img.max()) # 最大像素值
print(img.min()) # 最小像素值
print(img.mean()) # 像素平均值
print(img[0][0])# 图像的像素值
# 获取图像的灰度值范围
width = img.size[0]
height = img.size[1]
# 输出图片的像素值
count = 0
for i in range(0, width):
for j in range(0, height):
if img.getpixel((i, j))>=0 and img.getpixel((i, j))<=255:
count +=1
print count
print(height*width)
图像的批量处理
有些时候，我们不仅要对一张图片进行处理，可能还会对一批图片处理。这时候，我们可以通过循环来执行处理，也可以调用程序自带的图片集合来处理。
批量读取
图片集合函数为：
skimage.io.ImageCollection(load_pattern,load_func=None)
这个函数是放在 io 模块内的，带两个参数，第一个参数 load_pattern, 表示图片组的路径，可以是一个 str 字符串。第二个参数 load_func 是一个回调函数，我们对图片进行批量处理就可以通过这个回调函数实现。回调函数默认为 imread()，即默认这个函数是批量读取图片。先看一个例子：
import skimage.io as io
from skimage import data_dir
str=data_dir + '/*.png'
coll = io.ImageCollection(str)
print(len(coll))
显示结果为 25, 说明系统自带了 25 张 png 的示例图片，这些图片都读取了出来，放在图片集合 coll 里。如果我们想显示其中一张图片，则可以在后加上一行代码：
io.imshow(coll[10])
如果一个文件夹里，我们既存放了一些 jpg 格式的图片，又存放了一些 png 格式的图片，现在想把它们全部读取出来，该怎么做呢?
import skimage.io as io
from skimage import data_dir
str='d:/pic/*.jpg:d:/pic/*.png'
coll = io.ImageCollection(str)
print(len(coll))
注意这个地方’d:/pic/.jpg:d:/pic/.png’，是两个字符串合在一起的，第一个是’d:/pic/.jpg’, 第二个是’d:/pic/.png’，合在一起后，中间用冒号来隔开，这样就可以把 d:/pic/文件夹下的 jpg 和 png 格式的图片都读取出来。如果还想读取存放在其它地方的图片，也可以一并加进去，只是中间同样用冒号来隔开。
批量处理
io.ImageCollection() 这个函数省略第二个参数，就是批量读取。如果我们不是想批量读取，而是其它批量操作，如批量转换为灰度图，那又该怎么做呢？那就需要先定义一个函数，然后将这个函数作为第二个参数，如：
from skimage import data_dir,io,color
def convert_gray(f):
rgb=io.imread(f)
return color.rgb2gray(rgb)
str=data_dir+'/*.png'
coll = io.ImageCollection(str,load_func=convert_gray)
io.imshow(coll[10])
视频处理
这种批量操作对视频处理是极其有用的，因为视频就是一系列的图片组合：
from skimage import data_dir,io,color
class AVILoader:
video_file = 'myvideo.avi'
def __call__(self, frame):
return video_read(self.video_file, frame)
avi_load = AVILoader()
frames = range(0, 1000, 10) # 0, 10, 20, ...ic =io.ImageCollection(frames, load_func=avi_load)
这段代码的意思，就是将 myvideo.avi 这个视频中每隔 10 帧的图片读取出来，放在图片集合中。得到图片集合以后，我们还可以将这些图片连接起来，构成一个维度更高的数组，连接图片的函数为：
skimage.io.concatenate_images(ic)
带一个参数，就是以上的图片集合，如：
from skimage import data_dir,io,color
coll = io.ImageCollection('d:/pic/*.jpg')
mat=io.concatenate_images(coll)
使用 concatenate_images(ic)函数的前提是读取的这些图片尺寸必须一致，否则会出错。我们看看图片连接前后的维度变化：
from skimage import data_dir,io,color
coll = io.ImageCollection('d:/pic/*.jpg')
print(len(coll)) #连接的图片数量
print(coll[0].shape) #连接前的图片尺寸，所有的都一样
mat=io.concatenate_images(coll)
print(mat.shape) #连接后的数组尺寸
2
(870, 580, 3)
(2, 870, 580, 3)
可以看到，将 2 个 3 维数组，连接成了一个 4 维数组。如果我们对图片进行批量操作后，想把操作后的结果保存起来，也是可以办到的。例：把系统自带的所有 png 示例图片，全部转换成 256256 的 jpg 格式灰度图，保存在 d:/data/文件夹下。改变图片的大小，我们可以使用 tranform 模块的 resize()函数：
from skimage import data_dir,io,transform,color
import numpy as np
def convert_gray(f):
rgb=io.imread(f) #依次读取rgb图片
gray=color.rgb2gray(rgb) #将rgb图片转换成灰度图
dst=transform.resize(gray,(256,256)) #将灰度图片大小转换为256*256
return dst str=data_dir+'/*.png'
coll = io.ImageCollection(str,load_func=convert_gray)
for i in range(len(coll)):
io.imsave('d:/data/'+np.str(i)+'.jpg',coll[i]) #循环保存图片