Python機器學習（六十一）SciPy 圖像處理

圖像處理和分析通常被看作是對二維值數組的操作。然而，在一些領域中，必須對高維數的圖像進行處理分析，例如，醫學成像和生物成像。由於對多維特性的良好支持，numpy非常適合這種類型的應用程序。scipy.ndimage包提供了許多通用的圖像處理和分析功能，這些功能支持操作任意維度的數組。

scipy.ndimage中提供了圖像矩陣變換、圖像濾波、圖像卷積等功能。

旋轉圖片

旋轉圖片，可以使用ndimage.rotate函數。

測試圖片下載: face.png

示例

加載原圖片

from scipy import ndimage
import matplotlib.image as mpimg
import matplotlib.pyplot as plt

# 加載圖片
face = mpimg.imread('./face.png')

# 顯示圖片
plt.imshow(face)
# plt.savefig('./img2-1.png') # 保存要顯示的圖片
plt.show()

輸出

示例

from scipy import ndimage
import matplotlib.image as mpimg
import matplotlib.pyplot as plt

# 加載圖片
face = mpimg.imread('./face.png')

# 旋轉圖片
rotate_face = ndimage.rotate(face, 45)

plt.imshow(rotate_face)
# plt.savefig('./img3-1.png') # 保存要顯示的圖片
plt.show()

輸出

圖像濾波

圖像濾波是一種修改/增強圖像的技術。例如，可以圖像濾波突出圖像的某些特性，弱化或刪除圖像的另一些特性。濾波有很多種，例如：平滑、銳化、邊緣增強等等。

示例

對圖像進行高斯濾波。高斯濾波是一種模糊濾波，廣泛用於濾除圖像噪聲。

from scipy import ndimage
import matplotlib.image as mpimg
import matplotlib.pyplot as plt

# 加載圖片
face = mpimg.imread('./face.png')

# 處理圖片
face1 = ndimage.gaussian_filter(face, sigma=3)

# 顯示圖片
plt.imshow(face1)
# plt.savefig('./img4-1.png') # 保存要顯示的圖片
plt.show()

輸出

sigma=3表示模糊程度為3，我們可以通過調整sigma值，來比較圖像質量的變化。

邊緣檢測

邊緣檢測是一種尋找圖像中物體邊界的圖像處理技術。它的原理是通過檢測圖像中的亮度突變，來識別物體邊緣。邊緣檢測在圖像處理、計算機視覺、機器視覺等領域中廣泛應用。

常用邊緣檢測算法包括：

• Sobel
• Canny
• Prewitt
• Roberts
• Fuzzy Logic methods

讓我們考慮下面的例子。

import scipy.ndimage as nd
import numpy as np

im = np.zeros((256, 256))
im[64:-64, 64:-64] = 1
im[90:-90,90:-90] = 2
im = nd.gaussian_filter(im, 8)

import matplotlib.pyplot as plt
plt.imshow(im)
# plt.savefig('./img5-1.png') # 保存要顯示的圖片
plt.show()

上面的程序將生成以下輸出。

圖像看起來像一個正方形的色塊，我們將檢測這些彩色塊的邊緣。這里使用ndimage的Sobel函數來檢測圖像邊緣，該函數會對圖像數組的每個軸分開操作，產生兩個矩陣，然后我們使用NumPy中的Hypot函數將這兩個矩陣合並為一個矩陣，得到最后結果。

示例

import scipy.ndimage as nd
import numpy as np
import matplotlib.pyplot as plt

im = np.zeros((256, 256))
im[64:-64, 64:-64] = 1
im[90:-90,90:-90] = 2
im = nd.gaussian_filter(im, 8)

sx = nd.sobel(im, axis = 0, mode = 'constant')
sy = nd.sobel(im, axis = 1, mode = 'constant')
sob = np.hypot(sx, sy)

plt.imshow(sob)
# plt.savefig('./img6-1.png') # 保存要顯示的圖片
plt.show()

上面的程序將生成以下輸出。