python之实验二颜色空间转换与分割

1.编写python代码,使用skimag拆分并显示图像RGB空间的三个通道

  (我直接用的包中自带的图像)

from skimage import data
from matplotlib import pyplot as plt
import numpy as np

if __name__ == "__main__":
    # 载入RGB测试图像
    image = data.astronaut()

    fig = plt.figure()
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False

    # 两行两列的第一个子图
    axis = fig.add_subplot(221)
    plt.axis('off')  # 不显示坐标轴
    plt.imshow(image)  # 显示RGB彩色图像
    plt.title('RGB图像')

    # 第二个子图,显示R通道图像
    axis = fig.add_subplot(222)
    imageR = image[:, :, 0]
    plt.axis('off')
    plt.imshow(imageR, cmap='gray')
    plt.title('R通道图像')

    # 第三个子图,显示G通道图像
    axis = fig.add_subplot(223)
    imageG = image[:, :, 1]
    plt.axis('off')
    plt.imshow(imageG, cmap='gray')
    plt.title('G通道图像')

    # 第四个子图,显示B通道图像
    axis = fig.add_subplot(224)
    imageB = image[:, :, 2]
    plt.axis('off')
    plt.imshow(imageB, cmap='gray')
    plt.title('B通道图像')

    plt.savefig('RGBimage.tif')
    plt.show()

2.编写python代码实现RGB空间转换为HSI空间(这个是网上随便找的图像)

from skimage import data, io
from matplotlib import pyplot as plt
import math
import numpy as np
import sys
import os


#定义RGB转HSI
def rgb2hsi(r,g,b):
    r=r/255
    g=g/255
    b=b/255

    num=0.5*((r-g)+(r-b))
    den=((r-g)*(r-g)+(r-b)*(g-b))**0.5

    if b<=g:
        if den == 0:
            den = sys.float_info.min
        h=math.acos(num/den)
    elif b>g:
        if den == 0:
            den = sys.float_info.min
        h=(2*math.pi)-math.acos(num/den)

    s=1-(3*min(r,g,b)/(r+g+b))
    i=(r+g+b)/3

    return int(h),int(s*100),int(i*255)


if __name__ == "__main__":
    print(os.getcwd())
    imgPath = os.path.join(os.getcwd(), 'flower.jpg')
    image = io.imread(imgPath)
    print(image.shape)
    hsi_image=np.zeros(image.shape,dtype='uint8')
    for ii in range(image.shape[0]):
        for jj in range(image.shape[1]):
            r,g,b=image[ii,jj,:]
            h,s,i=rgb2hsi(r,g,b)
            hsi_image[ii,jj,:]=(h,s,i)

    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False
    plt.subplot(2,3,1)
    plt.axis('off')
    plt.imshow(image)
    plt.title('RGB原图像')
    plt.subplot(2,3,2)
    plt.axis('off')
    plt.imshow(image[:, :, 0], cmap='gray')
    plt.title('R分量')
    plt.subplot(2,3,3)
    plt.axis('off')
    plt.imshow(hsi_image)
    plt.title('HSI图像')
    plt.subplot(2,3,4)
    plt.axis('off')
    plt.imshow(hsi_image[:,:,0], cmap='gray')
    plt.title('H分量')
    plt.subplot(2,3,5)
    plt.axis('off')
    plt.imshow(hsi_image[:,:,1], cmap='gray')
    plt.title('S分量')
    plt.subplot(2,3,6)
    plt.axis('off')
    plt.imshow(hsi_image[:,:,2],cmap='gray')
    plt.title('I分量')
    plt.savefig('HSIimage.tif')
    plt.show()

3.编写python代码实现图像的强度分层(这个需要下载opencv-python库)

在终端  路径 -m pip install opencv-python -i 镜像网站(这里我用的清华的镜像网站)

D:\PycharmProjects\projects\venv\Scripts\python.exe -m pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple

import cv2
from skimage import data,color
from matplotlib import pyplot as plt
import numpy as np


# def grayBin(image_matrix):
#     initial_conv = np.where((image_matrix < 0.4), 0, 128)
#     final_conv = np.where((image_matrix >= 0.8), 255, initial_conv)
#     return final_conv


if __name__ == "__main__":
    img = data.astronaut()
    grayimg = color.rgb2gray(img) #将彩色图像转化为灰度图像
    # grayimg = cv2.resize(grayimg, (5000,5000))
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False
    plt.subplot(1, 2, 1)
    plt.imshow(grayimg, cmap = 'gray')
    plt.title('灰度图像')
    rows, cols = grayimg.shape
    labels = np.zeros([rows, cols])
    for i in range(rows):
        for j in range(cols):
            if(grayimg[i, j] < 0.4):
                labels[i, j] = 0
            elif(grayimg[i, j] < 0.8):
                labels[i, j] = 128
            else:
                labels[i, j] = 255
    psdimg = color.label2rgb(labels)#不同的label采用不同的颜色
    # labels1 = grayBin(grayimg)
    # cv2.imwrite("labels.jpg", labels)
    # cv2.imwrite("labels1.jpg", labels1)
    # print((labels1 == labels).all())
    plt.subplot(1, 2, 2)
    plt.imshow(psdimg)
    plt.title('强度分层图像')
    plt.savefig('灰度分层.tif')
    plt.show()

4.编写python代码实现灰度值到彩色变换并画出映射函数

from skimage import data, color
from matplotlib import pyplot as plt
import numpy as np


# 定义灰度级到彩色变换
L = 256
def GetR(gray):
    if gray < L / 2:
        return 0
    elif gray > L / 4 * 3:
        return L
    else:
        return 4 * gray - 2 * L

def GetG(gray):
    if gray < L / 4:
        return 4 * gray
    elif gray > L / 4 * 3:
        return 4 * L - 4 * gray
    else:
        return L

def GetB(gray):
    if gray < L / 4:
        return L
    elif gray > L / 2:
        return 0
    else:
        return 2 * L - 4 * gray


if __name__ == "__main__":
    img = data.astronaut()
    grayimg = color.rgb2gray(img) * 255  # 将彩色图像转化为灰度图像
    colorimg = np.zeros(img.shape, dtype='uint8')
    for ii in range(img.shape[0]):
        for jj in range(img.shape[1]):
            a = grayimg[ii, jj]
            a0 = GetR(a)
            a1 = GetG(a)
            a2 = GetB(a)

            # 确保值在 0 到 255 之间
            r = np.clip(a0, 0, 255)
            g = np.clip(a1, 0, 255)
            b = np.clip(a2, 0, 255)

            colorimg[ii, jj, :] = (r, g, b)

    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False
    plt.subplot(1, 2, 1)
    plt.axis('off')
    plt.imshow(grayimg, cmap='gray')
    plt.title('灰度图像')
    plt.subplot(1, 2, 2)
    plt.axis('off')
    plt.imshow(colorimg)
    plt.title('伪彩色图像')
    plt.savefig('Intensity2Color.tif')
    plt.show()

映射

from matplotlib import pyplot as plt


#定义灰度级到彩色变换 
L = 255    
def GetR(gray):
    if gray < L / 2:
        return 0
    elif gray > L / 4 * 3:
        return L
    else:
        return 4 * gray - 2 * L
       
def GetG(gray):
    if gray < L / 4:
        return 4 * gray
    elif gray > L / 4 * 3:
        return 4 * L - 4 * gray
    else:
        return L
        
def GetB(gray):
    if gray < L / 4:
        return L
    elif gray > L / 2:
        return 0
    else:
        return 2 * L - 4 * gray


if __name__ == "__main__":
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False

    L = 255
    x = [0, 64, 127, 191, 255]
    #绘制灰度图像到R通道的映射关系
    plt.subplot(2,2,1)
    R = []
    for i in x:
        R.append(GetR(i))
    plt.plot(x, R, 'r--', label = '红色变换')
    plt.legend(loc = 'best')
    #绘制灰度图像到G通道的映射关系
    plt.subplot(2,2,2)
    G = []
    for i in x:
        G.append(GetG(i))
    plt.plot(x, G, 'g', label = '绿色变换')
    plt.legend(loc = 'best')
    #绘制灰度图像到B通道的映射关系
    plt.subplot(2,2,3)
    B = []
    for i in x:
        B.append(GetB(i))
    plt.plot(x, B, 'b', marker = 'o', markersize = 5, label = '蓝色变换')
    plt.legend(loc = 'best')
    #绘制灰度图像到RGB的映射关系
    plt.subplot(2,2,4)
    plt.plot(x, R, 'r--')
    plt.plot(x, G, 'g')
    plt.plot(x, B, 'b', marker = 'o', markersize = 5)
    plt.savefig('灰度到彩色的映射关系.tif')
    plt.show()

5.编写python代码,实现颜色空间分割(这个花是2里的花,我懒得在找图片了)

import cv2
from skimage import data, io
from matplotlib import pyplot as plt
import math
import numpy as np
import sys


# 定义RGB转HSI
def rgb2hsi(r, g, b):
    r = r / 255
    g = g / 255
    b = b / 255
    num = 0.5 * ((r - g) + (r - b))
    den = ((r - g) ** 2 + (r - b) * (g - b)) ** 0.5
    if b <= g:
        if den == 0:
            den = sys.float_info.min
        h = math.acos(num / den)
    elif b > g:
        if den == 0:
            den = sys.float_info.min
        h = (2 * math.pi) - math.acos(num / den)
    s = 1 - 3 * min(r, g, b) / (r + g + b)
    i = (r + g + b) / 3
    return int(h), int(s * 100), int(i * 255)


if __name__ == "__main__":
    image = io.imread('flower.jpg')
    hsi_image = np.zeros(image.shape, dtype='uint8')
    for ii in range(image.shape[0]):
        for jj in range(image.shape[1]):
            r, g, b = image[ii, jj, :]
            h, s, i = rgb2hsi(r, g, b)
            hsi_image[ii, jj, :] = (h, s, i)

    H = hsi_image[:, :, 0]
    S = hsi_image[:, :, 1]
    I = hsi_image[:, :, 2]

    # 生成二值饱和度模板
    S_template = S > 0.3 * S.max()

    # 色调图像与二值饱和度模板相乘可得到分割结果F
    F = np.multiply(H, S_template)

    plt.figure()  # 创建一个新的图形窗口
    plt.imshow(F, cmap='gray')

    # 显示结果
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False

    # 在创建第一个子图之前,显式移除当前的轴
    plt.gca().remove()

    plt.subplot(2, 3, 1)
    plt.axis('off')
    plt.imshow(image)
    plt.title('原始RGB图像')

    plt.subplot(2, 3, 2)
    plt.axis('off')
    plt.imshow(H, cmap='gray')
    plt.title('H分量')

    plt.subplot(2, 3, 3)
    plt.axis('off')
    plt.imshow(S, cmap='gray')
    plt.title('S分量')

    plt.subplot(2, 3, 4)
    plt.axis('off')
    plt.imshow(I, cmap='gray')
    plt.title('I分量')

    plt.subplot(2, 3, 5)
    plt.axis('off')
    plt.imshow(S_template, cmap='gray')
    plt.title('二值饱和度模板')

    plt.subplot(2, 3, 6)
    plt.axis('off')
    plt.imshow(F, cmap='gray')
    plt.title('分割结果')

    plt.savefig('HSI彩色分割.tif')
    plt.show()

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/478176.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

OKR与敏捷开发、精益创业等方法如何协同工作?

在快速变化的市场环境中&#xff0c;企业需要更加灵活和高效地应对各种挑战。目标与关键成果法&#xff08;OKR&#xff09;、敏捷开发以及精益创业等方法&#xff0c;作为现代企业管理的重要工具&#xff0c;各自在推动企业发展、提高团队效率、优化产品迭代等方面发挥着不可或…

使用appuploder上架App Store流程

使用appuploder流程笔记 1.如何没有账号去apple官网注册一个&#xff0c;地址&#xff1a;https://developer.apple.com/account 2.下载解压appuploder&#xff0c;双击打开&#xff0c;用刚刚注册的账号登录&#xff0c;下载地址&#xff1a;http://www.applicationloader.n…

逻辑手册器件解读,需要注意的参数

逻辑器件手册解读 可以实现的功能 上图第一个芯片实现的功能是逻辑电平的转换&#xff0c;1.8V的逻辑电平经过逻辑器件之后转换为3.3V&#xff0c;可以看出逻辑器件的输出最高电平是跟随供电电压的。 第二个芯片实现的是"与的逻辑",两个不同的高电平信号经过逻辑器件…

inputStream.avaliable()方法网络操作读取不全BUG

一、问题描述 公司有个需求&#xff0c;就是调用方&#xff08;我&#xff09;需要把pdf文件转为Base64字符串作为参数传递为被调用方&#xff0c;以下是大致转换过程&#xff1a; URL url new URL("http://xxxx.pdf");HttpURLConnection uc (HttpURLConnection) …

抓住眼前的机会:自我决策与成长的探索

在人生的旅途中&#xff0c;我们常常会遇到各种各样的机会。它们如同璀璨的星辰&#xff0c;在夜空中闪烁着诱人的光芒。然而&#xff0c;机会并非总是会自动降临在我们头上&#xff0c;更多的时候&#xff0c;它们需要我们去主动寻找、去勇敢抓住。那么&#xff0c;当机会摆在…

Python 可视化和分析高维数据库之hiplot使用详解

概要 在机器学习和数据科学领域,处理高维数据是一项挑战。为了更好地理解和分析高维数据,需要使用一些强大的工具来可视化和探索数据特征。HiPlot 就是这样一款强大的 Python 库,它简化了高维数据的可视化和分析过程,帮助用户快速发现数据中的规律和趋势。本文将深入介绍 …

同时配置 jdk8、jdk17 两个环境

下载jdk17 网址&#xff1a;jdk17 - 官网&#xff0c;如下&#xff1a; 下载 jdk8 网址&#xff1a;jdk8 - 官网 如下&#xff1a; 配置环境变量 在安装jdk17 和 jdk8 的时候&#xff0c; 系统会自动在 Path 中配置路径C:\Program Files\Common Files\Oracle\Java\javapa…

CVX安装新版本Mosek求解器

在使用连续凸近似&#xff08;SCA&#xff09;求解优化问题时遇到了报错 Problem status : ILL_POSED Solution status : PRIMAL_ILLPOSED_CER并且最后给出的结果为NaN。 在CVX论坛中找到一条回答 具体链接如下&#xff1a; The status is failed 因为我使用的是CVX自带的…

基于ssm的新能源汽车在线租赁管理系统论文

摘 要 随着科学技术的飞速发展&#xff0c;社会的方方面面、各行各业都在努力与现代的先进技术接轨&#xff0c;通过科技手段来提高自身的优势&#xff0c;新能源汽车在线租赁当然也不能排除在外。新能源汽车在线租赁是以实际运用为开发背景&#xff0c;运用软件工程开发方法&…

【数据库基础】一些数据库处理(一)

文章目录 1. 向设置为float型的数据表中插入数据&#xff0c;自动转化为整数2. 创建触发器3. 触发器查询 1. 向设置为float型的数据表中插入数据&#xff0c;自动转化为整数 由于我是使用Navicat直接自动创建表的&#xff0c;所以参考了这一篇文章&#xff1a;mysql向数据库插…

用JDBC游标的方式导出mysql数据以及springboot打包成exe程序实践

用JDBC实现游标查询&#xff0c;关键代码在于 Statement 的 fetchSize 属性的设置。 ExportDataService import cn.hutool.core.io.FileUtil; import cn.hutool.core.text.csv.CsvUtil; import cn.hutool.core.text.csv.CsvWriter; import cn.hutool.core.util.StrUtil; impo…

优先级队列(堆)

目录 一、优先级队列 1、概念 2、优先级队列的模拟实现 2.1 堆的概念 2.2 堆的存储方式 2.3 堆的创建 2.3.1 堆向下调整 2.3.2 堆的创建 2.4 堆的插入与删除 2.4.1 堆的插入 2.4.2 堆的删除 2.5 用堆模拟实现优先级队列 3.常用接口介绍 3.1 PriorityQueue的特性…

WebGIS管线在线编辑器(电力、水力、燃气、热力、热能管线)

随着GIS等信息技术的发展&#xff0c;地下管线管理也从二维平面向三维立体管理迈进。传统管线信息管理系统将管线及其附属设施抽象成二维平面内的点、要素&#xff0c;并使用各类点符号、不同颜色线段进行表达。虽能一定程度上满足城市智慧运行的需要&#xff0c;但不能很直观的…

51单片机学习笔记6 数码管显示

51单片机学习笔记5 数码管显示 一、动态数码管1. 动态数码管工作原理2. 工作过程3. 原理图&#xff08;1&#xff09;数码管及74HC245&#xff08;2&#xff09;74HC138译码器 4. 74HC245介绍&#xff08;1&#xff09;**功能**&#xff08;2&#xff09;**引脚**&#xff08;3…

unity3d——沙盒路径

文章目录 Unity3D中不同平台的沙盒路径&#xff1a; 示例 在Unity3D中&#xff0c;尤其是在移动平台如Android和iOS上&#xff0c;由于系统安全机制&#xff0c;应用程序不能直接访问操作系统的所有文件和目录&#xff0c;而是被限制在一个特定的“沙盒”环境中。这个沙盒是一个…

迷宫(蓝桥杯)——DFS和BFS

迷宫 题目描述 下图给出了一个迷宫的平面图&#xff0c;其中标记为 1 的为障碍&#xff0c;标记为 0 的为可以通行的地方。 010000 000100 001001 110000迷宫的入口为左上角&#xff0c;出口为右下角&#xff0c;在迷宫中&#xff0c;只能从一个位置走到这 个它的上、下、左…

【Linux】Centos7安装redis

目录 下载安装包安装1.解压2.环境安装3.查看redis的安装路径4.将之前redis的配置文件&#xff0c;复制到安装路径下&#xff08;新建一个文件夹并复制&#xff09;5.redis 设置默认后台启动&#xff0c;修改配置文件6.启动redis服务默认启动通过配置文件启动查看进程 7.开放637…

52、Qt/窗口、常用类、ui相关学习20240321

一、使用Qt 自由发挥登录窗口的应用场景&#xff0c;实现一个登录窗口界面。 要求&#xff1a; 1. 需要使用Ui界面文件进行界面设计 2. ui界面上的组件相关设置&#xff0c;通过代码实现 3. 需要添加适当的动图。 代码&#xff1a; #include "widget.h" #incl…

【重温设计模式】访问者模式及其Java示例

访问者模式的基本概念 访问者模式&#xff0c;一种行为型设计模式&#xff0c;其基本定义是&#xff1a;允许一个或者多个操作应用到一组对象上&#xff0c;解耦操作和对象的具体类&#xff0c;使得操作的添加可以独立于对象的类结构变化。在面向对象编程中&#xff0c;访问者…

软件推荐 篇三十七:开源免费无广告的在线音乐免费播放 | MusicFree纯净无广告体验-小众冷门推荐

引言 自从QQ音乐没了杰伦、某云开始收费&#xff0c;除了各种广告弹窗导致电脑卡的要死&#xff0c;打工人就靠这点音乐背景熬夜了&#xff0c;木有办法&#xff0c;得有个开源免费的听歌软件吧&#xff0c;一搜github&#xff0c;软件一大堆&#xff0c;作为一个打工仔&#…