skimage.color #

[2]

A. R. Robertson，“CIE 1976 色差公式”，Color Res. Appl. 2, 7-11 (1977)。

skimage.color.deltaE_ciede2000(lab1, lab2, kL=1, kC=1, kH=1, *, channel_axis=-1)[source]#

根据 CIEDE 2000 标准的色差。

CIEDE 2000 是 CIDE94 的重大修订版。感知校准主要基于对光滑表面汽车涂料的经验。

参数：

lab1array_like: 参考颜色 (Lab 颜色空间)
lab2array_like: 比较颜色 (Lab 颜色空间)
kLfloat (范围), 可选: 亮度比例因子，对于“可接受的接近”为 1；对于“无法察觉”为 2，请参阅 deltaE_cmc
kCfloat (范围), 可选: 色度比例因子，通常为 1
kHfloat (范围), 可选: 色调比例因子，通常为 1
channel_axisint, 可选: 此参数指示数组的哪个轴对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

deltaEarray_like: lab1 和 lab2 之间的距离

注释

CIEDE 2000 假设明度、色度和色调的参数加权因子（分别为 kL、kC、kH）。这些默认为 1。

参考

[1]

http://www.ece.rochester.edu/~gsharma/ciede2000/ciede2000noteCRNA.pdf DOI:10.1364/AO.33.008069

[2]

[3]

M. Melgosa、J. Quesada 和 E. Hita，“使用精确的颜色差异容差数据集测试一些近期颜色指标的均匀性”，Appl. Opt. 33, 8069-8077 (1994)。

skimage.color.deltaE_ciede94(lab1, lab2, kH=1, kC=1, kL=1, k1=0.045, k2=0.015, *, channel_axis=-1)[source]#

根据 CIEDE 94 标准的色差。

通过使用特定于应用程序的比例因子（kH、kC、kL、k1 和 k2）来适应感知非均匀性。

参数：

lab1array_like: 参考颜色 (Lab 颜色空间)
lab2array_like: 比较颜色 (Lab 颜色空间)
kHfloat, optional: 色调比例
kCfloat, optional: 色度比例
kLfloat, optional: 明度比例
k1float, optional: 第一个比例参数
k2float, optional: 第二个比例参数
channel_axisint, 可选: 此参数指示数组的哪个轴对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

dEarray_like: lab1 和 lab2 之间的颜色差异

注释

deltaE_ciede94 关于 lab1 和 lab2 不对称。CIEDE94 根据第一个颜色定义了明度、色调和色度的比例。因此，第一个颜色应被视为“参考”颜色。

kL、k1、k2 取决于应用程序，并且默认为建议用于图形艺术的值

参数	图形艺术	纺织品
kL	1.000	2.000
k1	0.045	0.048
k2	0.015	0.014

参考

[1]

http://www.brucelindbloom.com/index.html?Eqn_DeltaE_CIE94.html

[2]

skimage.color.deltaE_cmc(lab1, lab2, kL=1, kC=1, *, channel_axis=-1)[source]#

来自 CMC l:c 标准的色差。

这种颜色差异是由染色和印染商协会（英国）的色彩测量委员会 (CMC) 开发的。它旨在用于纺织工业。

比例因子 kL、kC 设置了赋予明度和色度差异的权重，相对于色调差异。对于“可接受性”，通常值为 kL=2、kC=1，对于“不可察觉性”，通常值为 kL=1、kC=1。对于给定的比例因子，颜色 dE > 1 是“不同的”。

参数：

lab1array_like: 参考颜色 (Lab 颜色空间)
lab2array_like: 比较颜色 (Lab 颜色空间)
channel_axisint, 可选: 此参数指示数组的哪个轴对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

dEarray_like: 颜色 lab1 和 lab2 之间的距离

注释

deltaE_cmc 根据第一个颜色定义了明度、色调和色度的比例。因此 deltaE_cmc(lab1, lab2) != deltaE_cmc(lab2, lab1)

参考

[1]

http://www.brucelindbloom.com/index.html?Eqn_DeltaE_CIE94.html

[2]

[3]

F. J. J. Clarke、R. McDonald 和 B. Rigg，“对 JPC79 颜色差异公式的修改”，J. Soc. Dyers Colour. 100, 128-132 (1984)。

skimage.color.gray2rgb(image, *, channel_axis=-1)[source]#

创建灰度图像的 RGB 表示。

参数：

imagearray_like: 输入图像。
channel_axisint, 可选: 此参数指示输出数组的哪个轴将对应于通道。

返回值：

rgb(…, C=3, …) ndarray: RGB 图像。向输入图像添加一个长度为 3 的新维度。

注释

如果输入是形状为 (M,) 的一维图像，则输出将为形状 (M, C=3)。

给灰度图像着色

圆形和椭圆形霍夫变换

基于区域边界区域邻接图 (RAG)

skimage.color.gray2rgba(image, alpha=None, *, channel_axis=-1)[source]#

创建灰度图像的 RGBA 表示。

参数：

imagearray_like: 输入图像。
alphaarray_like, optional: 输出图像的 alpha 通道。它可以是标量或可以广播到 image 的数组。如果未指定，则将其设置为与 image dtype 相对应的最大限制。
channel_axisint, 可选: 此参数指示输出数组的哪个轴将对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

rgbandarray: RGBA 图像。向输入图像形状添加一个长度为 4 的新维度。

skimage.color.hed2rgb(hed, *, channel_axis=-1)[source]#

将苏木精-伊红-DAB (HED) 转换为 RGB 颜色空间。

参数：

hed(…, C=3, …) array_like: HED 颜色空间中的图像。默认情况下，最后一个维度表示通道。
channel_axisint, 可选: 此参数指示数组的哪个轴对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

out(…, C=3, …) ndarray: RGB 中的图像。与输入具有相同的维度。

引发：

ValueError: 如果 hed 的维度至少不是 2 维，形状为 (…, C=3, …)。

参考

[1]

A. C. Ruifrok 和 D. A. Johnston，“通过颜色反卷积量化组织化学染色。”，分析和定量细胞学和组织学 / 国际细胞学学会 [和] 美国细胞学学会，第 23 卷，第 4 期，第 291-9 页，2001 年 8 月。

示例

>>> from skimage import data
>>> from skimage.color import rgb2hed, hed2rgb
>>> ihc = data.immunohistochemistry()
>>> ihc_hed = rgb2hed(ihc)
>>> ihc_rgb = hed2rgb(ihc_hed)

分离免疫组织化学染色中的颜色

skimage.color.hsv2rgb(hsv, *, channel_axis=-1)[source]#

将 HSV 转换为 RGB 颜色空间。

参数：

hsv(…, C=3, …) array_like: HSV 格式的图像。默认情况下，最后一个维度表示通道。
channel_axisint, 可选: 此参数指示数组的哪个轴对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

out(…, C=3, …) ndarray: RGB 格式的图像。与输入相同维度。

引发：

ValueError: 如果 hsv 的维度至少不是 2 维，形状为 (…, C=3, …)。

注释

RGB 和 HSV 颜色空间之间的转换会导致一些精度损失，这是由于整数运算和舍入造成的 [1]。

参考

[1]

https://en.wikipedia.org/wiki/HSL_and_HSV

示例

>>> from skimage import data
>>> img = data.astronaut()
>>> img_hsv = rgb2hsv(img)
>>> img_rgb = hsv2rgb(img_hsv)

给灰度图像着色

洪水填充

skimage.color.lab2lch(lab, *, channel_axis=-1)[source]#

将 CIE-LAB 中的图像转换为 CIE-LCh 颜色空间。

CIE-LCh 是 CIE-LAB（笛卡尔）颜色空间的圆柱形表示。

参数：

lab(…, C=3, …) array_like: CIE-LAB 颜色空间中的输入图像。除非设置了 channel_axis，否则最后一个维度表示 CIE-LAB 通道。L* 值范围为 0 到 100；a* 和 b* 值范围为 -128 到 127。
channel_axisint, 可选: 此参数指示数组的哪个轴对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

out(…, C=3, …) ndarray: CIE-LCh 颜色空间中的图像，与输入具有相同的形状。

引发：

ValueError: 如果 lab 没有至少 3 个通道（即 L*、a* 和 b*）。

另请参阅

lch2lab

注释

h 通道（即色调）表示为范围 (0, 2*pi) 内的角度。

参考

[1]

[2]

https://en.wikipedia.org/wiki/HCL_color_space

[3]

示例

>>> from skimage import data
>>> from skimage.color import rgb2lab, lab2lch
>>> img = data.astronaut()
>>> img_lab = rgb2lab(img)
>>> img_lch = lab2lch(img_lab)

skimage.color.lab2rgb(lab, illuminant='D65', observer='2', *, channel_axis=-1)[source]#

将 CIE-LAB 中的图像转换为 sRGB 颜色空间。

参数：

lab(…, C=3, …) array_like: CIE-LAB 颜色空间中的输入图像。除非设置了 channel_axis，否则最后一个维度表示 CIE-LAB 通道。L* 值范围为 0 到 100；a* 和 b* 值范围为 -128 到 127。
illuminant{“A”, “B”, “C”, “D50”, “D55”, “D65”, “D75”, “E”}, 可选: 光源名称（函数不区分大小写）。
observer{“2”, “10”, “R”}, 可选: 观察者的孔径角。
channel_axisint, 可选: 此参数指示数组的哪个轴对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

out(…, C=3, …) ndarray: sRGB 颜色空间中的图像，形状与输入相同。

引发：

ValueError: 如果 lab 的维度小于 2 或形状不是 (…, C=3, …) 。

另请参阅

rgb2lab

注释

该函数使用 lab2xyz() 和 xyz2rgb()。CIE XYZ 三刺激值的参考值为 x_ref = 95.047，y_ref = 100. 和 z_ref = 108.883。有关支持的光源列表，请参见函数 xyz_tristimulus_values()。

参考

[1]

https://en.wikipedia.org/wiki/Standard_illuminant

[2]

skimage.color.lab2xyz(lab, illuminant='D65', observer='2', *, channel_axis=-1)[source]#

将 CIE-LAB 中的图像转换为 XYZ 颜色空间。

参数：

lab(…, C=3, …) array_like: CIE-LAB 颜色空间中的输入图像。除非设置了 channel_axis，否则最后一个维度表示 CIE-LAB 通道。L* 值范围为 0 到 100；a* 和 b* 值范围为 -128 到 127。
illuminant{“A”, “B”, “C”, “D50”, “D55”, “D65”, “D75”, “E”}, 可选: 光源名称（函数不区分大小写）。
observer{“2”, “10”, “R”}, 可选: 观察者的孔径角。
channel_axisint, 可选: 此参数指示数组的哪个轴对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

out(…, C=3, …) ndarray: XYZ 颜色空间中的图像，形状与输入相同。

引发：

ValueError: 如果 lab 的维度小于 2 或形状不是 (…, C=3, …) 。
ValueError: 如果光源或观察者角度不支持或未知。
UserWarning: 如果任何像素无效 (Z < 0)。

另请参阅

xyz2lab

注释

CIE XYZ 三刺激值的参考值为 x_ref = 95.047，y_ref = 100. 和 z_ref = 108.883。有关支持的光源列表，请参见函数 xyz_tristimulus_values()。

参考

[1]

[2]

skimage.color.label2rgb(label, image=None, colors=None, alpha=0.3, bg_label=0, bg_color=(0, 0, 0), image_alpha=1, kind='overlay', *, saturation=0, channel_axis=-1)[source]#

返回一个 RGB 图像，其中彩色编码的标签被绘制在图像上。

参数：

labelndarray: 标签的整数数组，形状与 image 相同。
imagendarray, 可选: 用作标签底层的图像。它应该与 labels 具有相同的形状，可选地包含一个额外的 RGB（通道）轴。如果 image 是 RGB 图像，则在着色之前将其转换为灰度图像。
colorslist, 可选: 颜色列表。如果标签数量超过颜色数量，则颜色将循环使用。
alphafloat [0, 1], 可选: 着色标签的不透明度。如果 image 为 None，则忽略。
bg_labelint, 可选: 被视为背景的标签。如果指定了 bg_label， bg_color 为 None，并且 kind 为 overlay，则不会用任何颜色绘制背景。
bg_colorstr 或 array, 可选: 背景颜色。必须是 skimage.color.color_dict 中的名称或 [0, 1] 之间的 RGB 浮点数。
image_alphafloat [0, 1], 可选: 图像的不透明度。
kindstring, 其中一个 {‘overlay’, ‘avg’}: 所需的彩色图像类型。‘overlay’ 在定义的颜色上循环，并将彩色标签叠加在原始图像上。‘avg’ 用每个标记段的平均颜色替换每个标记段，以实现染色类或柔和绘画外观。
saturationfloat [0, 1], 可选: 控制应用于原始图像的饱和度的参数，介于完全饱和（原始 RGB，saturation=1）和完全不饱和（灰度，saturation=0）之间。仅在 kind=’overlay’ 时适用。
channel_axisint, 可选: 此参数指示输出数组的哪个轴对应于通道。如果提供了 image，则它也必须与 image 对应于通道的轴匹配。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

resultndarray of float, 与 image 形状相同: 将循环颜色映射 (colors) 与图像混合的结果，每个 label 中的独特值都有一个相应的颜色，并使用特定 alpha 值。

skimage.color.lch2lab(lch, *, channel_axis=-1)[source]#

将 CIE-LCh 中的图像转换为 CIE-LAB 颜色空间。

CIE-LCh 是 CIE-LAB（笛卡尔）颜色空间的圆柱形表示。

参数：

lch(…, C=3, …) array_like: CIE-LCh 颜色空间中的输入图像。除非设置了 channel_axis，否则最后一个维度表示 CIE-LAB 通道。L* 值范围为 0 到 100；C 值范围为 0 到 100；h 值范围为 0 到 2*pi。
channel_axisint, 可选: 此参数指示数组的哪个轴对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

out(…, C=3, …) ndarray: CIE-LAB 格式的图像，形状与输入相同。

引发：

ValueError: 如果 lch 的通道数少于 3（即，L*、C 和 h）。

另请参阅

lab2lch

注释

h 通道（即色调）表示为范围 (0, 2*pi) 内的角度。

参考

[1]

https://en.wikipedia.org/wiki/HCL_color_space

[2]

[3]

示例

>>> from skimage import data
>>> from skimage.color import rgb2lab, lch2lab, lab2lch
>>> img = data.astronaut()
>>> img_lab = rgb2lab(img)
>>> img_lch = lab2lch(img_lab)
>>> img_lab2 = lch2lab(img_lch)

skimage.color.luv2rgb(luv, *, channel_axis=-1)[source]#

将 Luv 转换为 RGB 颜色空间。

参数：

luv(…, C=3, …) array_like: CIE Luv 格式的图像。默认情况下，最后一个维度表示通道。

返回值：

out(…, C=3, …) ndarray: RGB 格式的图像。与输入相同维度。

引发：

ValueError: 如果 luv 的维度小于 2 或形状不是 (…, C=3, …) 。

注释

该函数使用 luv2xyz 和 xyz2rgb。

skimage.color.luv2xyz(luv, illuminant='D65', observer='2', *, channel_axis=-1)[source]#

将 CIE-Luv 转换为 XYZ 颜色空间。

参数：

luv(…, C=3, …) array_like: CIE-Luv 格式的图像。默认情况下，最后一个维度表示通道。
illuminant{“A”, “B”, “C”, “D50”, “D55”, “D65”, “D75”, “E”}, 可选: 光源名称（函数不区分大小写）。
observer{“2”, “10”, “R”}, 可选: 观察者的孔径角。
channel_axisint, 可选: 此参数指示数组的哪个轴对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

out(…, C=3, …) ndarray: XYZ 格式的图像。维度与输入相同。

引发：

ValueError: 如果 luv 的维度小于 2 或形状不是 (…, C=3, …) 。
ValueError: 如果光源或观察者角度不支持或未知。

注释

XYZ 转换权重使用 observer=2A。D65 光源的参考白点，XYZ 三刺激值为 (95.047, 100., 108.883)。有关支持的光源列表，请参见函数 xyz_tristimulus_values()。

参考

[1]

https://en.wikipedia.org/wiki/CIELUV

[2]

skimage.color.rgb2gray(rgb, *, channel_axis=-1)[source]#

计算 RGB 图像的亮度。

参数：

rgb(…, C=3, …) array_like: RGB 格式的图像。默认情况下，最后一个维度表示通道。

返回值：

outndarray: 亮度图像 - 一个与输入数组大小相同的数组，但去掉了通道维度。

引发：

ValueError: 如果 rgb 的维度小于 2 或形状不是 (…, C=3, …) 。

注释

此转换中使用的权重针对当代 CRT 荧光粉进行了校准

Y = 0.2125 R + 0.7154 G + 0.0721 B

如果有 alpha 通道，则会忽略。

参考

[1]

http://poynton.ca/PDFs/ColorFAQ.pdf

示例

>>> from skimage.color import rgb2gray
>>> from skimage import data
>>> img = data.astronaut()
>>> img_gray = rgb2gray(img)

从图像中提取 Gabor 滤波器 / 初级视觉皮层“简单细胞”

skimage.color.rgb2hed(rgb, *, channel_axis=-1)[source]#

将 RGB 转换为苏木精-伊红-DAB (HED) 颜色空间。

参数：

rgb(…, C=3, …) array_like: RGB 格式的图像。默认情况下，最后一个维度表示通道。
channel_axisint, 可选: 此参数指示数组的哪个轴对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

out(…, C=3, …) ndarray: HED 格式的图像。与输入相同维度。

引发：

ValueError: 如果 rgb 的维度小于 2 或形状不是 (…, C=3, …) 。

参考

[1]

A. C. Ruifrok 和 D. A. Johnston，“通过颜色反卷积量化组织化学染色。”，分析和定量细胞学和组织学 / 国际细胞学学会 [和] 美国细胞学学会，第 23 卷，第 4 期，第 291-9 页，2001 年 8 月。

示例

>>> from skimage import data
>>> from skimage.color import rgb2hed
>>> ihc = data.immunohistochemistry()
>>> ihc_hed = rgb2hed(ihc)

分离免疫组织化学染色中的颜色

skimage.color.rgb2hsv(rgb, *, channel_axis=-1)[source]#

将 RGB 转换为 HSV 颜色空间。

参数：

rgb(…, C=3, …) array_like: RGB 格式的图像。默认情况下，最后一个维度表示通道。
channel_axisint, 可选: 此参数指示数组的哪个轴对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

out(…, C=3, …) ndarray: HSV 格式的图像。与输入相同维度。

引发：

ValueError: 如果 rgb 的维度小于 2 或形状不是 (…, C=3, …) 。

注释

在 RGB 和 HSV 颜色空间之间转换会导致一些精度损失，这是由于整数运算和舍入造成的 [1].

参考

[1]

https://en.wikipedia.org/wiki/HSL_and_HSV

示例

>>> from skimage import color
>>> from skimage import data
>>> img = data.astronaut()
>>> img_hsv = color.rgb2hsv(img)

RGB 到 HSV

给灰度图像着色

洪水填充

skimage.color.rgb2lab(rgb, illuminant='D65', observer='2', *, channel_axis=-1)[source]#

在给定的光源和观察者下，从 sRGB 颜色空间 (IEC 61966-2-1:1999) 转换为 CIE Lab 颜色空间。

参数：

rgb(…, C=3, …) array_like: RGB 格式的图像。默认情况下，最后一个维度表示通道。
illuminant{“A”, “B”, “C”, “D50”, “D55”, “D65”, “D75”, “E”}, 可选: 光源名称（函数不区分大小写）。
observer{“2”, “10”, “R”}, 可选: 观察者的孔径角。
channel_axisint, 可选: 此参数指示数组的哪个轴对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

out(…, C=3, …) ndarray: Lab 格式的图像。与输入相同维度。

引发：

ValueError: 如果 rgb 的维度小于 2 或形状不是 (…, C=3, …) 。

注释

RGB 是一个与设备相关的颜色空间，因此，如果您使用此函数，请确保您正在分析的图像已映射到 sRGB 颜色空间。

此函数使用 rgb2xyz 和 xyz2lab。默认情况下，Observer=”2”，Illuminant=”D65”。CIE XYZ 三刺激值 x_ref=95.047，y_ref=100.，z_ref=108.883。有关支持的光源列表，请参见函数 xyz_tristimulus_values().

参考

[1]

https://en.wikipedia.org/wiki/Standard_illuminant

skimage.color.rgb2luv(rgb, *, channel_axis=-1)[source]#

将 RGB 转换为 CIE-Luv 颜色空间。

参数：

rgb(…, C=3, …) array_like: RGB 格式的图像。默认情况下，最后一个维度表示通道。
channel_axisint, 可选: 此参数指示数组的哪个轴对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

out(…, C=3, …) ndarray: CIE Luv 格式的图像。与输入相同维度。

引发：

ValueError: 如果 rgb 的维度小于 2 或形状不是 (…, C=3, …) 。

注释

此函数使用 rgb2xyz 和 xyz2luv。

参考

[1]

https://en.wikipedia.org/wiki/CIELUV

[2]

skimage.color.rgb2rgbcie(rgb, *, channel_axis=-1)[source]#

将 RGB 转换为 RGB CIE 颜色空间。

参数：

rgb(…, C=3, …) array_like: RGB 格式的图像。默认情况下，最后一个维度表示通道。
channel_axisint, 可选: 此参数指示数组的哪个轴对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

out(…, C=3, …) ndarray: RGB CIE 格式的图像。与输入相同维度。

引发：

ValueError: 如果 rgb 的维度小于 2 或形状不是 (…, C=3, …) 。

参考

[1]

示例

>>> from skimage import data
>>> from skimage.color import rgb2rgbcie
>>> img = data.astronaut()
>>> img_rgbcie = rgb2rgbcie(img)

skimage.color.rgb2xyz(rgb, *, channel_axis=-1)[source]#

将 RGB 转换为 XYZ 颜色空间。

参数：

rgb(…, C=3, …) array_like: RGB 格式的图像。默认情况下，最后一个维度表示通道。
channel_axisint, 可选: 此参数指示数组的哪个轴对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

out(…, C=3, …) ndarray: XYZ 格式的图像。维度与输入相同。

引发：

ValueError: 如果 rgb 的维度小于 2 或形状不是 (…, C=3, …) 。

注释

CIE XYZ 颜色空间源自 CIE RGB 颜色空间。但是请注意，此函数从 sRGB 进行转换。

参考

[1]

https://en.wikipedia.org/wiki/YCbCr

示例

>>> from skimage import data
>>> img = data.astronaut()
>>> img_xyz = rgb2xyz(img)

skimage.color.rgb2ycbcr(rgb, *, channel_axis=-1)[source]#

将 RGB 转换为 YCbCr 颜色空间。

参数：

rgb(…, C=3, …) array_like: RGB 格式的图像。默认情况下，最后一个维度表示通道。
channel_axisint, 可选: 此参数指示数组的哪个轴对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

out(…, C=3, …) ndarray: YCbCr 格式的图像。与输入相同维度。

引发：

ValueError: 如果 rgb 的维度小于 2 或形状不是 (…, C=3, …) 。

注释

Y 在 16 到 235 之间。这是视频编解码器通常使用的颜色空间；有时被错误地称为“YUV”。

参考

[1]

skimage.color.rgb2ydbdr(rgb, *, channel_axis=-1)[source]#

将 RGB 转换为 YDbDr 颜色空间。

参数：

rgb(…, C=3, …) array_like: RGB 格式的图像。默认情况下，最后一个维度表示通道。
channel_axisint, 可选: 此参数指示数组的哪个轴对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

out(…, C=3, …) ndarray: YDbDr 格式的图像。与输入相同维度。

引发：

ValueError: 如果 rgb 的维度小于 2 或形状不是 (…, C=3, …) 。

注释

这是视频编解码器通常使用的颜色空间。它也是 JPEG2000 中的可逆颜色变换。

参考

[1]

https://en.wikipedia.org/wiki/YDbDr

skimage.color.rgb2yiq(rgb, *, channel_axis=-1)[source]#

将 RGB 转换为 YIQ 颜色空间。

参数：

rgb(…, C=3, …) array_like: RGB 格式的图像。默认情况下，最后一个维度表示通道。
channel_axisint, 可选: 此参数指示数组的哪个轴对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

out(…, C=3, …) ndarray: YIQ 格式的图像。与输入相同维度。

引发：

ValueError: 如果 rgb 的维度小于 2 或形状不是 (…, C=3, …) 。

skimage.color.rgb2ypbpr(rgb, *, channel_axis=-1)[source]#

将 RGB 转换为 YPbPr 颜色空间。

参数：

rgb(…, C=3, …) array_like: RGB 格式的图像。默认情况下，最后一个维度表示通道。
channel_axisint, 可选: 此参数指示数组的哪个轴对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

out(…, C=3, …) ndarray: YPbPr 格式的图像。与输入相同维度。

引发：

ValueError: 如果 rgb 的维度小于 2 或形状不是 (…, C=3, …) 。

参考

[1]

https://en.wikipedia.org/wiki/YPbPr

skimage.color.rgb2yuv(rgb, *, channel_axis=-1)[source]#

将 RGB 转换为 YUV 颜色空间。

参数：

rgb(…, C=3, …) array_like: RGB 格式的图像。默认情况下，最后一个维度表示通道。
channel_axisint, 可选: 此参数指示数组的哪个轴对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

out(…, C=3, …) ndarray: YUV 格式的图像。与输入相同维度。

引发：

ValueError: 如果 rgb 的维度小于 2 或形状不是 (…, C=3, …) 。

注释

Y 在 0 到 1 之间。对于视频编解码器通常使用的颜色空间，请使用 YCbCr 而不是 YUV，其中 Y 的范围从 16 到 235。

参考

[1]

https://en.wikipedia.org/wiki/YUV

skimage.color.rgba2rgb(rgba, background=(1, 1, 1), *, channel_axis=-1)[source]#

使用 alpha 混合进行 RGBA 到 RGB 转换 [1].

参数：

rgba(…, C=4, …) array_like: RGBA 格式的图像。默认情况下，最后一维表示通道。
backgroundarray_like: 要与图像混合的背景颜色（3 个浮点数介于 0 到 1 之间 - 背景的 RGB 值）。
channel_axisint, 可选: 此参数指示数组的哪个轴对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

out(…, C=3, …) ndarray: RGB 格式的图像。与输入相同维度。

引发：

ValueError: 如果 rgba 的维度至少不是 2D，形状为 (…, 4, …)。

参考

[1] (1,2)

https://en.wikipedia.org/wiki/Alpha_compositing#Alpha_blending

示例

>>> from skimage import color
>>> from skimage import data
>>> img_rgba = data.logo()
>>> img_rgb = color.rgba2rgb(img_rgba)

skimage.color.rgbcie2rgb(rgbcie, *, channel_axis=-1)[source]#

将 RGB CIE 转换为 RGB 颜色空间。

参数：

rgbcie(…, C=3, …) array_like: RGB CIE 格式的图像。默认情况下，最后一维表示通道。
channel_axisint, 可选: 此参数指示数组的哪个轴对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

out(…, C=3, …) ndarray: RGB 格式的图像。与输入相同维度。

引发：

ValueError: 如果 rgbcie 的维度至少不是 2D，形状为 (…, C=3, …)。

参考

[1]

https://web.archive.org/web/20160624145052/http://www.mecourse.com/landinig/software/cdeconv/cdeconv.html

示例

>>> from skimage import data
>>> from skimage.color import rgb2rgbcie, rgbcie2rgb
>>> img = data.astronaut()
>>> img_rgbcie = rgb2rgbcie(img)
>>> img_rgb = rgbcie2rgb(img_rgbcie)

skimage.color.separate_stains(rgb, conv_matrix, *, channel_axis=-1)[source]#

将 RGB 转换为染色剂颜色空间。

参数：

rgb(…, C=3, …) array_like: RGB 格式的图像。默认情况下，最后一个维度表示通道。
conv_matrix: ndarray: 由 G. Landini 描述的染色分离矩阵 [1]。
channel_axisint, 可选: 此参数指示数组的哪个轴对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

out(…, C=3, …) ndarray: 染色颜色空间中的图像。与输入维度相同。

引发：

ValueError: 如果 rgb 的维度小于 2 或形状不是 (…, C=3, …) 。

注释

color 模块中可用的染色分离矩阵及其对应的颜色空间

hed_from_rgb: 苏木精 + 伊红 + DAB
hdx_from_rgb: 苏木精 + DAB
fgx_from_rgb: 福尔根 + 淡绿色
bex_from_rgb: 吉姆萨染色: 甲基蓝 + 伊红
rbd_from_rgb: 快速红 + 快速蓝 + DAB
gdx_from_rgb: 甲基绿 + DAB
hax_from_rgb: 苏木精 + AEC
bro_from_rgb: 蓝色矩阵苯胺蓝 + 红色矩阵偶氮红 + 橙色矩阵橙色-G
bpx_from_rgb: 甲基蓝 + 蓬梭品红
ahx_from_rgb: 藻蓝 + 苏木精
hpx_from_rgb: 苏木精 + PAS

此实现借鉴了 DIPlib [2] 中的一些想法，例如使用一个较小的值来补偿，以避免在计算比尔-朗伯定律时出现对数伪影。

参考

[1]

[2]

DIPlib/diplib

[3]

A. C. Ruifrok 和 D. A. Johnston，“通过颜色反卷积对组织化学染色进行量化”，Anal. Quant. Cytol. Histol.，第 23 卷，第 4 期，第 291-299 页，2001 年 8 月。

示例

>>> from skimage import data
>>> from skimage.color import separate_stains, hdx_from_rgb
>>> ihc = data.immunohistochemistry()
>>> ihc_hdx = separate_stains(ihc, hdx_from_rgb)

skimage.color.xyz2lab(xyz, illuminant='D65', observer='2', *, channel_axis=-1)[source]#

将 XYZ 转换为 CIE-LAB 颜色空间。

参数：

xyz(…, C=3, …) array_like: 以 XYZ 格式表示的图像。默认情况下，最后一个维度表示通道。
illuminant{“A”, “B”, “C”, “D50”, “D55”, “D65”, “D75”, “E”}, 可选: 光源名称（函数不区分大小写）。
observer{“2”, “10”, “R”}, 可选: 以下之一：2 度观察者、10 度观察者或 R 观察者，如 R 函数 grDevices::convertColor 中所示。
channel_axisint, 可选: 此参数指示数组的哪个轴对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

out(…, C=3, …) ndarray: 以 CIE-LAB 格式表示的图像。与输入维度相同。

引发：

ValueError: 如果 xyz 的维度至少不是 2 维，形状为 (…, C=3, …) 。
ValueError: 如果光源或观察角度不受支持或未知。

注释

默认情况下，观察者=”2”，光源=”D65”。CIE XYZ 三刺激值 x_ref=95.047, y_ref=100., z_ref=108.883。有关支持的光源列表，请参见函数 xyz_tristimulus_values() 。

参考

[1]

[2]

示例

>>> from skimage import data
>>> from skimage.color import rgb2xyz, xyz2lab
>>> img = data.astronaut()
>>> img_xyz = rgb2xyz(img)
>>> img_lab = xyz2lab(img_xyz)

skimage.color.xyz2luv(xyz, illuminant='D65', observer='2', *, channel_axis=-1)[source]#

将 XYZ 转换为 CIE-Luv 颜色空间。

参数：

xyz(…, C=3, …) array_like: 以 XYZ 格式表示的图像。默认情况下，最后一个维度表示通道。
illuminant{“A”, “B”, “C”, “D50”, “D55”, “D65”, “D75”, “E”}, 可选: 光源名称（函数不区分大小写）。
observer{“2”, “10”, “R”}, 可选: 观察者的孔径角。
channel_axisint, 可选: 此参数指示数组的哪个轴对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

out(…, C=3, …) ndarray: 以 CIE-Luv 格式表示的图像。与输入维度相同。

引发：

ValueError: 如果 xyz 的维度至少不是 2 维，形状为 (…, C=3, …) 。
ValueError: 如果光源或观察者角度不支持或未知。

注释

默认情况下，XYZ 转换权重使用观察者=2A。D65 光源的参考白点，其 XYZ 三刺激值为 (95.047, 100., 108.883)。有关支持的光源列表，请参见函数 xyz_tristimulus_values() 。

参考

[1]

https://en.wikipedia.org/wiki/CIELUV

[2]

示例

>>> from skimage import data
>>> from skimage.color import rgb2xyz, xyz2luv
>>> img = data.astronaut()
>>> img_xyz = rgb2xyz(img)
>>> img_luv = xyz2luv(img_xyz)

skimage.color.xyz2rgb(xyz, *, channel_axis=-1)[source]#

将 XYZ 转换为 RGB 颜色空间。

参数：

xyz(…, C=3, …) array_like: 以 XYZ 格式表示的图像。默认情况下，最后一个维度表示通道。
channel_axisint, 可选: 此参数指示数组的哪个轴对应于通道。

在版本 0.19 中添加： channel_axis 在 0.19 中添加。

返回值：

out(…, C=3, …) ndarray: RGB 格式的图像。与输入相同维度。

引发：

ValueError: 如果 xyz 的维度至少不是 2 维，形状为 (…, C=3, …) 。

注释

CIE XYZ 颜色空间源于 CIE RGB 颜色空间。但是请注意，此函数转换为 sRGB。

参考

[1]