`skimage.io`#

读取和保存图像和视频。

`concatenate_images`	将图像集合中的所有图像连接到一个数组中。
`imread`	从文件加载图像。
`imread_collection`	加载图像集合。
`imread_collection_wrapper`
`imsave`	将图像保存到文件。
`load_sift`	从外部生成的文件读取 SIFT 或 SURF 特征。
`load_surf`	从外部生成的文件读取 SIFT 或 SURF 特征。
`pop`	从共享图像堆栈中弹出一个图像。
`push`	将图像推入共享图像堆栈。
`ImageCollection`	加载和管理图像文件集合。
`MultiImage`	一个包含多帧 TIFF 图像中所有帧的类。

skimage.io.concatenate_images(ic)[源代码]#

将图像集合中的所有图像连接到一个数组中。

参数:

ic可迭代的图像: 要连接的图像。

返回:

array_catndarray: 一个比 ic 中的图像多一维的数组。

引发:

ValueError: 如果 ic 中的图像形状不相同。

另请参阅

ImageCollection.concatenate
MultiImage.concatenate

备注

concatenate_images 接收包含图像的任何可迭代对象，包括 ImageCollection 和 MultiImage，并返回 NumPy 数组。

skimage.io.imread(fname, as_gray=False, plugin=<已弃用>, **plugin_args)[源代码]#

从文件加载图像。

参数:

fnamestr 或 pathlib.Path: 图像文件名，例如 test.jpg 或 URL。
as_graybool，可选: 如果为 True，则将彩色图像转换为灰度（64 位浮点数）。已经为灰度格式的图像不会被转换。

返回:

img_arrayndarray: 不同的颜色波段/通道存储在第三维中，因此灰度图像为 MxN，RGB 图像为 MxNx3，RGBA 图像为 MxNx4。

其他参数:

plugin_args已弃用: 插件基础设施已弃用。
plugin已弃用: plugin 已弃用。

自版本 0.25 起已弃用。

skimage.io.imread_collection(load_pattern, conserve_memory=True, plugin=<已弃用>, **plugin_args)[源代码]#

加载图像集合。

参数:

load_patternstr 或 list: 要加载的对象列表。这些通常是文件名，但可能因当前活动的插件而异。有关此参数的默认行为，请参阅 ImageCollection。
conserve_memorybool，可选: 如果为 True，则在特定时间永远不会在内存中保留多个图像。否则，图像将在加载后被缓存。

返回:

icImageCollection: 图像集合。

其他参数:

plugin_args已弃用: 插件基础设施已弃用。
plugin已弃用: plugin 已弃用。

自版本 0.25 起已弃用。

skimage.io.imread_collection_wrapper(imread)[源代码]#

skimage.io.imsave(fname, arr, plugin=<已弃用>, *, check_contrast=True, **plugin_args)[源代码]#

将图像保存到文件。

参数:

fnamestr 或 pathlib.Path: 目标文件名。
arr形状为 (M,N) 或 (M,N,3) 或 (M,N,4) 的 ndarray: 图像数据。
check_contrastbool，可选: 检查低对比度并打印警告（默认值：True）。

其他参数:

plugin_args已弃用: 插件基础设施已弃用。
plugin已弃用: plugin 已弃用。

自版本 0.25 起已弃用。

skimage.io.load_sift(f)[源代码]#

从外部生成的文件读取 SIFT 或 SURF 特征。

此例程读取由 http://people.cs.ubc.ca/~lowe/keypoints/ 和 http://www.vision.ee.ethz.ch/~surf/ 的二进制实用程序生成的 SIFT 或 SURF 文件。

此例程不会从图像生成 SIFT/SURF 特征。这些算法受到专利保护。请改用 skimage.feature.CENSURE。

参数:

filelike字符串或打开的文件: 从 http://people.cs.ubc.ca/~lowe/keypoints/ 或 http://www.vision.ee.ethz.ch/~surf/ 的特征检测器生成的输入文件。
mode{‘SIFT’, ‘SURF’}，可选: 用于生成 filelike 的描述符类型。

返回:

data带有字段的记录数组

row: int
特征的行位置
column: int
特征的列位置
scale: float
特征尺度
orientation: float
特征方向
data: array
特征值

skimage.io.load_surf(f)[源代码]#

从外部生成的文件读取 SIFT 或 SURF 特征。

此例程读取由 http://people.cs.ubc.ca/~lowe/keypoints/ 和 http://www.vision.ee.ethz.ch/~surf/ 的二进制实用程序生成的 SIFT 或 SURF 文件。

此例程不会从图像生成 SIFT/SURF 特征。这些算法受到专利保护。请改用 skimage.feature.CENSURE。

参数:

filelike字符串或打开的文件: 从 http://people.cs.ubc.ca/~lowe/keypoints/ 或 http://www.vision.ee.ethz.ch/~surf/ 的特征检测器生成的输入文件。
mode{‘SIFT’, ‘SURF’}，可选: 用于生成 filelike 的描述符类型。

返回:

data带有字段的记录数组

row: int
特征的行位置
column: int
特征的列位置
scale: float
特征尺度
orientation: float
特征方向
data: array
特征值

skimage.io.pop()[源代码]#

从共享图像堆栈中弹出一个图像。

返回:

imgndarray: 从堆栈中弹出的图像。

skimage.io.push(img)[源代码]#

将图像推入共享图像堆栈。

参数:

imgndarray: 要推送的图像。

class skimage.io.ImageCollection(load_pattern, conserve_memory=True, load_func=None, **load_func_kwargs)[源代码]#

基类：object

加载和管理图像文件集合。

参数:

load_patternstr 或 str 列表: 要加载的模式字符串或字符串列表。文件名路径可以是绝对路径或相对路径。
conserve_memorybool，可选: 如果为 True，则 skimage.io.ImageCollection 在特定时间不会在内存中保留多个图像。否则，图像将在加载后被缓存。

属性:

filesstr 列表: 如果为 load_pattern 给定了模式字符串，则此属性存储扩展的文件列表。否则，此属性等于 load_pattern。

其他参数:

load_func可调用对象: 默认为 imread。请参阅下面的备注。
**load_func_kwargs**字典: 任何其他关键字参数都会传递给 load_func。

备注

请注意，文件总是按字母数字顺序返回。另请注意，切片会返回一个新的 skimage.io.ImageCollection，*而不是*对数据的视图。

ImageCollection 的图像加载可以通过 load_func 进行自定义。对于 ImageCollection ic，ic[5] 调用 load_func(load_pattern[5]) 来加载该图像。

例如，这是一个 ImageCollection，它为提供的每个视频加载每隔一帧的图像

import imageio.v3 as iio3
import itertools

def vidread_step(f, step):
    vid = iio3.imiter(f)
    return list(itertools.islice(vid, None, None, step)

video_file = 'no_time_for_that_tiny.gif'
ic = ImageCollection(video_file, load_func=vidread_step, step=2)

ic  # is an ImageCollection object of length 1 because 1 video is provided

x = ic[0]
x[5]  # the 10th frame of the first video

或者，如果提供了 load_func 且 load_pattern 是一个序列，则会创建一个相应长度的 skimage.io.ImageCollection，并且将通过调用 load_func 并将 load_pattern 的匹配元素作为其第一个参数来加载各个图像。在这种情况下，序列的元素不需要是现有文件的名称（或任何字符串）。例如，要从一个视频中创建一个包含 500 个图像的 skimage.io.ImageCollection

class FrameReader:
    def __init__ (self, f):
        self.f = f
    def __call__ (self, index):
        return iio3.imread(self.f, index=index)

ic = ImageCollection(range(500), load_func=FrameReader('movie.mp4'))

ic  # is an ImageCollection object of length 500

load_func 的另一个用途是将所有图像转换为 uint8

def imread_convert(f):
    return imread(f).astype(np.uint8)

ic = ImageCollection('/tmp/*.png', load_func=imread_convert)

示例

>>> import imageio.v3 as iio3
>>> import skimage.io as io

# 你的图片所在的目录 >>> data_dir = os.path.join(os.path.dirname(__file__), ‘../data’)

>>> coll = io.ImageCollection(data_dir + '/chess*.png')
>>> len(coll)
2
>>> coll[0].shape
(200, 200)

>>> image_col = io.ImageCollection([f'{data_dir}/*.png', '{data_dir}/*.jpg'])

>>> class MultiReader:
...     def __init__ (self, f):
...         self.f = f
...     def __call__ (self, index):
...         return iio3.imread(self.f, index=index)
...
>>> filename = data_dir + '/no_time_for_that_tiny.gif'
>>> ic = io.ImageCollection(range(24), load_func=MultiReader(filename))
>>> len(image_col)
23
>>> isinstance(ic[0], np.ndarray)
True

__init__(load_pattern, conserve_memory=True, load_func=None, **load_func_kwargs)[source]#: 加载和管理图像集合。

concatenate()[source]#

将集合中的所有图像连接成一个数组。

返回:

arnp.ndarray: 一个比 self 中的图像多一个维度的数组。

引发:

ValueError: 如果 skimage.io.ImageCollection 中的图像不具有相同的形状。

另请参阅

skimage.io.concatenate_images

property conserve_memory#

property files#

reload(n=None)[source]#

清除图像缓存。

参数:

nNone 或 int: 仅清除此图像的缓存。默认情况下，会清除整个缓存。

class skimage.io.MultiImage(filename, conserve_memory=True, dtype=None, **imread_kwargs)[source]#

基类: ImageCollection

一个包含多帧 TIFF 图像中所有帧的类。

参数:

load_patternstr 或 str 列表: 用于加载的 glob 模式或文件名。路径可以是绝对路径或相对路径。
conserve_memorybool，可选: 是否通过仅缓存单个图像的帧来节省内存。默认为 True。

备注

MultiImage 返回图像数据数组的列表。在这方面，它与 ImageCollection 非常相似，但两者在处理多帧图像方面有所不同。

对于包含 N 帧大小为 WxH 的 TIFF 图像，MultiImage 将该图像的所有帧存储为列表中形状为 (N, W, H) 的单个元素。ImageCollection 则创建 N 个形状为 (W, H) 的元素。

对于动画 GIF 图像，MultiImage 仅读取第一帧，而 ImageCollection 默认读取所有帧。

示例

# 你的图片所在的目录 >>> data_dir = os.path.join(os.path.dirname(__file__), ‘../data’)

>>> multipage_tiff = data_dir + '/multipage.tif'
>>> multi_img = MultiImage(multipage_tiff)
>>> len(multi_img)  # multi_img contains one element
1
>>> multi_img[0].shape  # this element is a two-frame image of shape:
(2, 15, 10)

>>> image_col = ImageCollection(multipage_tiff)
>>> len(image_col)  # image_col contains two elements
2
>>> for frame in image_col:
...     print(frame.shape)  # each element is a frame of shape (15, 10)
...
(15, 10)
(15, 10)

__init__(filename, conserve_memory=True, dtype=None, **imread_kwargs)[source]#: 加载多图像。

concatenate()[source]#

将集合中的所有图像连接成一个数组。

返回:

arnp.ndarray: 一个比 self 中的图像多一个维度的数组。

引发:

ValueError: 如果 skimage.io.ImageCollection 中的图像不具有相同的形状。

另请参阅

skimage.io.concatenate_images

property conserve_memory#

property filename#

property files#

reload(n=None)[source]#

清除图像缓存。

参数:

nNone 或 int: 仅清除此图像的缓存。默认情况下，会清除整个缓存。

skimage.io#

`skimage.io`#