Image data types and what they mean

图像数据类型及其含义

在skimage，图像是简单的numpy数组，支持各种数据类型[1]，即 “dtypes”。为了避免扭曲图像强度（请参阅调整强度值），我们假设图像使用以下dtype范围：

请注意，即使数据类型本身可能超过此范围，浮动图像也应限制在-1到1的范围内; 另一方面，所有的整型数据都具有可以跨越整个数据类型范围的像素强度。除少数例外，不支持64位（u）int图像。

函数skimage的设计使它们可以接受任何这些dtype，但为了提高效率，可能会返回不同 dtype 的图像（请参见输出类型）。如果您需要特定的dtype，则skimage提供实用程序函数，用于转换dtypes并适当重新调整图像强度（请参阅输入类型）。你不应该在图像上使用 astype，因为它违反了有关dtype范围的这些假设：

>>> from skimage import img_as_float
>>> image = np.arange(0, 50, 10, dtype=np.uint8)
>>> print(image.astype(np.float)) # These float values are out of range.
[  0.  10.  20.  30.  40.]
>>> print(img_as_float(image))
[ 0.          0.03921569  0.07843137  0.11764706  0.15686275]

输入类型

虽然我们旨在保留输入图像的数据范围和类型，但函数可能仅支持这些数据类型的一个子集。在这种情况下，输入将被转换为所需的类型（如果可能的话），并且如果需要存储器副本，则会向日志打印警告消息。类型要求应在文档中注明。

主包中的以下实用程序功能可供开发人员和用户使用：

这些功能将图像转换为所需的dtype并正确重新调整其值。如果转换降低图像的精度，则会发出警告：

>>> from skimage import img_as_ubyte
>>> image = np.array([0, 0.5, 1], dtype=float)
>>> img_as_ubyte(image)
WARNING:dtype_converter:Possible precision loss when converting from
float64 to uint8
array([  0, 128, 255], dtype=uint8)

使用上下文管理器可以在本地忽略警告：

>>> import warnings
>>> image = np.array([0, 0.5, 1], dtype=float)
>>> with warnings.catch_warnings():
...     warnings.simplefilter("ignore")
...     img_as_ubyte(image)
array([  0, 128, 255], dtype=uint8)

此外，某些函数preserve_range在范围转换方便但不必要的地方使用参数。例如，插入transform.warp需要float类型的图像，其范围应该为0,1。因此，默认情况下，输入图像将重新缩放到此范围。但是，在某些情况下，图像值代表用户不希望重新缩放的物理测量结果，例如温度或降雨量值。与preserve_range=True，数据的原始范围将被保留，即使输出是浮动图像。然后用户必须确保这个非标准图像被下游功能正确处理，这可能期望0,1的图像。

>>> from skimage import data
>>> from skimage.transform import rescale
>>> image = data.coins()
>>> image.dtype, image.min(), image.max(), image.shape
(dtype('uint8'), 1, 252, (303, 384))
>>> rescaled = rescale(image, 0.5)
>>> (rescaled.dtype, np.round(rescaled.min(), 4),
...  np.round(rescaled.max(), 4), rescaled.shape)
(dtype('float64'), 0.0147, 0.9456, (152, 192))
>>> rescaled = rescale(image, 0.5, preserve_range=True)
>>> (rescaled.dtype, np.round(rescaled.min()),
...  np.round(rescaled.max()), rescaled.shape
(dtype('float64'), 4.0, 241.0, (152, 192))

输出类型

函数的输出类型由函数作者确定，并且为了用户的利益进行记录。虽然这要求用户明确地将输出转换为需要的格式，但它确保不会发生不必要的数据副本。

需要特定类型输出（例如，用于显示目的）的用户可以写出：

>>> from skimage import img_as_uint
>>> out = img_as_uint(sobel(image))
>>> plt.imshow(out)

使用OpenCV

您可能需要使用使用OpenCV创建的图像skimage，反之亦然。OpenCV图像数据可以在NumPy中（并且因此在scikit-image中）被访问（不复制）。OpenCV对彩色图像使用BGR（而不是scikit-image的RGB），默认情况下它的dtype为uint8（请参阅图像数据类型及其含义）。BGR代表蓝绿红。

将BGR转换为RGB，反之亦然

skimageOpenCV中的彩色图像有三个维度：宽度，高度和颜色。RGB和BGR使用相同的颜色空间，但颜色顺序相反。

请注意，scikit-image我们通常引用宽度和高度rows，columns而不是宽度和高度（请参阅坐标约定）。

以下指令有效地反转颜色的顺序，使行和列不受影响。

>>> image = image[:, :, ::-1]

使用来自OpenCV的图像 skimage

如果cv_image是一个无符号字节数组，skimage默认情况下会理解它。如果你喜欢使用浮点图像，img_as_float()可以用来转换图像：

>>> from skimage import img_as_float
>>> image = img_as_float(any_opencv_image)

使用skimageOpenCV中的图像

反过来可以通过以下方式实现img_as_ubyte()：

>>> from skimage import img_as_ubyte
>>> cv_image = img_as_ubyte(any_skimage_image)

图像处理管道

这种dtype行为允许你将任何skimage函数串起来，而不必担心图像dtype。在另一方面，如果你想使用需要特定的D型自定义函数，你应该叫的D型转换函数（在这里，func1并func2在skimage功能）：

>>> from skimage import img_as_float
>>> image = img_as_float(func1(func2(image)))
>>> processed_image = custom_func(image)

更好的是，您可以在内部转换图像并使用简化的处理管道：

>>> def custom_func(image):
...     image = img_as_float(image)
...     # do something
...
>>> processed_image = custom_func(func1(func2(image)))

重新调整强度值

在可能的情况下，函数应该避免盲目地拉伸图像强度（例如，重新缩放浮动图像以使最小和最大强度为0和1），因为这会严重扭曲图像。例如，如果您在黑暗的图像中寻找明亮的标记，则可能存在没有标记存在的图像; 扩展其输入强度以跨越整个范围会使背景噪声看起来像标记。

然而，有时候，你的图像应该跨越整个强度范围，但是没有。例如，某些相机可以存储每像素10,12或14位深度的图像。如果这些图像以dint uint16的形式存储在一个数组中，则图像不会在整个强度范围内延伸，因此会显得比它应该更暗淡。要更正此问题，可以使用该rescale_intensity功能重新缩放图像，以便使用完整的dtype范围：

>>> from skimage import exposure
>>> image = exposure.rescale_intensity(img10bit, in_range=(0, 2**10 - 1))

这里，in_range参数被设置为10位图像的最大范围。默认情况下，rescale_intensity拉伸值in_range以匹配dtype的范围。rescale_intensity还接受字符串作为输入in_range和out_range，所以上面的例子也可以被写为：

>>> image = exposure.rescale_intensity(img10bit, in_range='uint10')

请注意负值

人们经常使用带符号的dtypes表示图像，尽管它们只是操纵图像的正值（例如，在int8图像中仅使用0-127）。出于这个原因，转换函数仅在无符号dtype的整个范围上传播带符号dtype 的正值。换句话说，从signed变换为unsigned dtypes时，负值将被剪切为0。（在带符号的dtypes之间转换时保留负值。）要防止此剪切行为，应该事先重新调整图像的缩放比例：

>>> image = exposure.rescale_intensity(img_int32, out_range=(0, 2**31 - 1))
>>> img_uint8 = img_as_ubyte(image)

此行为是对称的：无符号dtype中的值分布在签名dtype的正范围上。

参考