>>> from env_helper import info; info()
页面更新时间： 2024-04-07 16:01:24
运行环境：
Linux发行版本: Debian GNU/Linux 12 (bookworm)
操作系统内核: Linux-6.1.0-18-amd64-x86_64-with-glibc2.36
Python版本: 3.11.2
1.3. 图像像素的访问与裁剪¶
图片读入程序中后，是以numpy数组存在的。 因此对numpy数组的一切功能，对图片也适用。对数组元素的访问，实际上就是对图片像素点的访问。
彩色图片访问方式为：
img[i,j,c]
i 表示图片的行数， j 表示图片的列数， c
表示图片的通道数（RGB三通道分别对应0，1，2）。 坐标是从左上角开始。
灰度图片访问方式为：
gray[i,j]
1.3.1. 例1：输出小猫图片的G通道中的第20行30列的像素值¶
>>> from skimage import io,data
>>> img=data.chelsea()
>>> pixel=img[20,30,1]
>>> pixel
129
1.3.2. 例2：显示红色单通道图片¶
>>> R=img[:,:,0]
>>> io.imshow(R)
<matplotlib.image.AxesImage at 0x7f25a21f1c10>
除了对像素进行读取，也可以修改像素值。
1.3.3. 例3：对小猫图片随机添加椒盐噪声¶
随机生成5000个椒盐
>>> import numpy as np
>>> rows,cols,dims=img.shape
>>> for i in range(5000):
>>> x=np.random.randint(0,rows)
>>> y=np.random.randint(0,cols)
>>> img[x,y,:]=255
>>>
>>> io.imshow(img)
<matplotlib.image.AxesImage at 0x7f25a2281c10>
这里用到了numpy包里的random来生成随机数，randint(0,cols)表示随机生成一个整数，范围在0到cols之间。
用img[x,y,:]=255这句来对像素值进行修改，将原来的三通道像素值，变为255
通过对数组的裁剪，就可以实现对图片的裁剪。
1.3.4. 例4：对小猫图片进行裁剪¶
>>> roi=img[80:180,100:200,:]
>>> io.imshow(roi)
<matplotlib.image.AxesImage at 0x7f25a0893510>
对多个像素点进行操作，使用数组切片方式访问。切片方式返回的是以指定间隔下标访问 该数组的像素值。下面是有关灰度图像的一些例子：
img[i,:] = im[j,:] # 将第 j 行的数值赋值给第 i 行
img[:,i] = 100 # 将第 i 列的所有数值设为 100
img[:100,:50].sum() # 计算前 100 行、前 50 列所有数值的和
img[50:100,50:100] # 50~100 行，50~100 列（不包括第 100 行和第 100 列）
img[i].mean() # 第 i 行所有数值的平均值
img[:,-1] # 最后一列
img[-2,:] #(or im[-2]) # 倒数第二行
最后我们再看两个对像素值进行访问和改变的例子：
1.3.5. 例5：将lena图片进行二值化，像素值大于128的变为1，否则变为0¶
>>> from skimage import color
>>>
>>> img=data.coffee()
>>> img_gray=color.rgb2gray(img)
>>> rows,cols=img_gray.shape
>>> for i in range(rows):
>>> for j in range(cols):
>>> if (img_gray[i,j]<=0.5):
>>> img_gray[i,j]=0
>>> else:
>>> img_gray[i,j]=1
>>> io.imshow(img_gray)
<matplotlib.image.AxesImage at 0x7f25a0923450>
这个例子，使用了color模块的 rgb2gray()
函数，将彩色三通道图片转换成灰度图。 转换结果为float64类型的数组，范围为
[0,1] 之间。
1.3.6. 例6：¶
>>> # from skimage import io,data
>>> img=data.chelsea()
>>> reddish = img[:, :, 0] > 170
>>> img[reddish] = [0, 255, 0]
>>> io.imshow(img)
<matplotlib.image.AxesImage at 0x7f25a09401d0>
这个例子先对R通道的所有像素值进行判断，如果大于
170
，则将这个地方的像素值变为 [0,255,0] ,即G通道值为
255 ，R和B通道值为 0 。