將灰階濾鏡應用於 RGB 影像

有許多濾鏡設計用於處理灰階影像，但不能處理彩色影像。為了簡化建立可適應 RGB 影像的函數的過程，scikit-image 提供了 adapt_rgb 裝飾器。

要實際使用 adapt_rgb 裝飾器，您必須決定如何調整 RGB 影像以用於灰階濾鏡。有兩個預定義的處理程式

each_channel

將每個 RGB 通道逐一傳遞給濾鏡，並將結果縫合回 RGB 影像。

hsv_value

將 RGB 影像轉換為 HSV，並將值通道傳遞給濾鏡。經過濾的結果會插入回 HSV 影像並轉換回 RGB。

以下，我們示範在幾個灰階濾鏡上使用 adapt_rgb 的方法

from skimage.color.adapt_rgb import adapt_rgb, each_channel, hsv_value
from skimage import filters


@adapt_rgb(each_channel)
def sobel_each(image):
    return filters.sobel(image)


@adapt_rgb(hsv_value)
def sobel_hsv(image):
    return filters.sobel(image)

我們可以像平常一樣使用這些函數，但現在它們可以同時處理灰階和彩色影像。讓我們用彩色影像繪製結果

from skimage import data
from skimage.exposure import rescale_intensity
import matplotlib.pyplot as plt

image = data.astronaut()

fig, (ax_each, ax_hsv) = plt.subplots(ncols=2, figsize=(14, 7))

# We use 1 - sobel_each(image) but this won't work if image is not normalized
ax_each.imshow(rescale_intensity(1 - sobel_each(image)))
ax_each.set_xticks([]), ax_each.set_yticks([])
ax_each.set_title("Sobel filter computed\n on individual RGB channels")

# We use 1 - sobel_hsv(image) but this won't work if image is not normalized
ax_hsv.imshow(rescale_intensity(1 - sobel_hsv(image)))
ax_hsv.set_xticks([]), ax_hsv.set_yticks([])
ax_hsv.set_title("Sobel filter computed\n on (V)alue converted image (HSV)")

Text(0.5, 1.0, 'Sobel filter computed\n on (V)alue converted image (HSV)')

請注意，值過濾影像的結果保留了原始影像的色彩，但通道過濾影像的組合方式更令人驚訝。在其他常見情況下，例如平滑處理，通道過濾影像會比值過濾影像產生更好的結果。

您也可以為 adapt_rgb 建立自己的處理程式函數。若要這樣做，只需建立具有以下簽名的函數

def handler(image_filter, image, *args, **kwargs):
    # Manipulate RGB image here...
    image = image_filter(image, *args, **kwargs)
    # Manipulate filtered image here...
    return image

請注意，adapt_rgb 處理程式是為影像作為第一個引數的濾鏡而撰寫的。

作為一個非常簡單的範例，我們可以將任何 RGB 影像轉換為灰階，然後傳回經過濾的結果

from skimage.color import rgb2gray


def as_gray(image_filter, image, *args, **kwargs):
    gray_image = rgb2gray(image)
    return image_filter(gray_image, *args, **kwargs)

建立使用 *args 和 **kwargs 將引數傳遞給濾鏡的簽名很重要，這樣裝飾的函數才能有任意數量的位置和關鍵字引數。

最後，我們可以像以前一樣將此處理程式與 adapt_rgb 一起使用

@adapt_rgb(as_gray)
def sobel_gray(image):
    return filters.sobel(image)


fig, ax = plt.subplots(ncols=1, nrows=1, figsize=(7, 7))

# We use 1 - sobel_gray(image) but this won't work if image is not normalized
ax.imshow(rescale_intensity(1 - sobel_gray(image)), cmap=plt.cm.gray)
ax.set_xticks([]), ax.set_yticks([])
ax.set_title("Sobel filter computed\n on the converted grayscale image")

plt.show()

注意

使用一個非常簡單的陣列形狀檢查來偵測 RGB 影像，因此不建議對支援非 RGB 空間中的 3D 體積或彩色影像的函數使用 adapt_rgb。