
- Mahotas 教程
- Mahotas - 首頁
- Mahotas - 簡介
- Mahotas - 計算機視覺
- Mahotas - 歷史
- Mahotas - 特性
- Mahotas - 安裝
- Mahotas 影像處理
- Mahotas - 影像處理
- Mahotas - 載入影像
- Mahotas - 以灰度載入影像
- Mahotas - 顯示影像
- Mahotas - 顯示影像形狀
- Mahotas - 儲存影像
- Mahotas - 影像質心
- Mahotas - 影像卷積
- Mahotas - 建立 RGB 影像
- Mahotas - 影像尤拉數
- Mahotas - 影像中零的比例
- Mahotas - 獲取影像矩
- Mahotas - 影像區域性最大值
- Mahotas - 影像橢圓軸
- Mahotas - 影像 RGB 拉伸
- Mahotas 顏色空間轉換
- Mahotas - 顏色空間轉換
- Mahotas - RGB 到灰度轉換
- Mahotas - RGB 到 LAB 轉換
- Mahotas - RGB 到褐色轉換
- Mahotas - RGB 到 XYZ 顏色空間轉換
- Mahotas - XYZ 到 LAB 轉換
- Mahotas - XYZ 到 RGB 轉換
- Mahotas - 增加伽馬校正
- Mahotas - 拉伸伽馬校正
- Mahotas 標記影像函式
- Mahotas - 標記影像函式
- Mahotas - 標記影像
- Mahotas - 過濾區域
- Mahotas - 邊界畫素
- Mahotas - 形態學運算
- Mahotas - 形態學運算元
- Mahotas - 查詢影像平均值
- Mahotas - 裁剪影像
- Mahotas - 影像偏心率
- Mahotas - 影像疊加
- Mahotas - 影像圓度
- Mahotas - 調整影像大小
- Mahotas - 影像直方圖
- Mahotas - 影像膨脹
- Mahotas - 影像腐蝕
- Mahotas - 分水嶺演算法
- Mahotas - 影像開運算
- Mahotas - 影像閉運算
- Mahotas - 填充影像空洞
- Mahotas - 條件膨脹影像
- Mahotas - 條件腐蝕影像
- Mahotas - 影像條件分水嶺演算法
- Mahotas - 影像區域性最小值
- Mahotas - 影像區域最大值
- Mahotas - 影像區域最小值
- Mahotas - 高階概念
- Mahotas - 影像閾值化
- Mahotas - 設定閾值
- Mahotas - 軟閾值
- Mahotas - Bernsen 區域性閾值化
- Mahotas - 小波變換
- 建立影像小波中心
- Mahotas - 距離變換
- Mahotas - 多邊形工具
- Mahotas - 區域性二值模式
- 閾值鄰域統計
- Mahotas - Haralic 特徵
- 標記區域的權重
- Mahotas - Zernike 特徵
- Mahotas - Zernike 矩
- Mahotas - 排序濾波器
- Mahotas - 二維拉普拉斯濾波器
- Mahotas - 多數濾波器
- Mahotas - 均值濾波器
- Mahotas - 中值濾波器
- Mahotas - Otsu 方法
- Mahotas - 高斯濾波
- Mahotas - Hit & Miss 變換
- Mahotas - 標記最大值陣列
- Mahotas - 影像平均值
- Mahotas - SURF 密集點
- Mahotas - SURF 積分圖
- Mahotas - Haar 變換
- 突出顯示影像最大值
- 計算線性二值模式
- 獲取標籤邊界
- 反轉 Haar 變換
- Riddler-Calvard 方法
- 標記區域的大小
- Mahotas - 模板匹配
- 加速魯棒特徵
- 移除帶邊界的標記
- Mahotas - Daubechies 小波
- Mahotas - Sobel 邊緣檢測
Mahotas - RGB 到 XYZ 顏色空間轉換
XYZ 顏色空間是一個三維顏色模型,它基於人類感知,表示顏色的亮度、色度和強度。
在 XYZ 顏色空間中:
- Y 分量表示顏色的亮度。
- X 和 Z 分量確定色度座標或顏色在光譜中的位置。
- 透過組合不同的 X、Y 和 Z 值,可以表示 XYZ 顏色空間內的任何可見顏色。
當我們從 RGB 轉換為 XYZ 時,我們取顏色的紅、綠、藍值,並將它們轉換為稱為 XYZ 的不同值。這有助於我們將顏色資訊與它在特定顯示器或裝置上的顯示方式的細節分開。
Mahotas 中的 RGB 到 XYZ 轉換
在 Mahotas 中,我們可以使用 **colors.rgb2xyz()** 函式將 RGB 影像轉換為 XYZ 影像。
Mahotas 中的 RGB 到 XYZ 轉換包含以下步驟:
**歸一化 RGB 值** - 將畫素的 RGB 值(通常表示為 0 到 255 之間的整數)歸一化到 0 到 1 之間的歸一化範圍。
此步驟確保 RGB 值一致且可比較。
**伽馬校正** - 在從 RGB 轉換為 XYZ 之前,Mahotas 會對 RGB 值應用伽馬校正。
伽馬校正調整影像的亮度級別,確保生成的 XYZ 值更準確地表示原始顏色。
**線性化 RGB 值** - 伽馬校正後,RGB 值將轉換為線性顏色空間。在這個線性 RGB 顏色空間中,強度值與實際物理光強度成比例。
這種線性變換允許更準確的顏色計算。
**轉換矩陣** - Mahotas 使用轉換矩陣將線性 RGB 值轉換為 XYZ 值。轉換矩陣表示 RGB 和 XYZ 顏色空間之間的關係。
它包含確定每個顏色通道對生成的 XYZ 值貢獻多少的係數。
**輸出** - 應用轉換矩陣後,Mahotas 提供 XYZ 值作為輸出。這些 XYZ 值以更感知均勻且更接近人類視覺系統感知顏色的顏色空間表示輸入 RGB 影像的顏色。
使用 mahotas.colors.rgb2xyz() 函式
mahotas.colors.rgb2xyz() 函式以 RGB 影像作為輸入,並返回影像的 XYZ 顏色空間版本。
生成的 XYZ 影像保留了原始 RGB 影像的結構和內容。
語法
以下是 mahotas 中 rgb2xyz() 函式的基本語法:
mahotas.colors.rgb2xyz(rgb, dtype={float})
其中:
**rgb** - 它是 RGB 顏色空間中的輸入影像。
**dtype(可選)** - 它是返回影像的資料型別(預設為 float)
示例
在下面的示例中,我們使用 mh.colors.rgb2xyz() 函式將 RGB 影像轉換為 XYZ 影像:
import mahotas as mh import numpy as np import matplotlib.pyplot as mtplt # Loading the image image = mh.imread('tree.tiff') # Converting it to XYZ xyz_image = mh.colors.rgb2xyz(image) # Create a figure and axes for subplots fig, axes = mtplt.subplots(1, 2) # Displaying the original RGB image axes[0].imshow(image) axes[0].set_title('RGB Image') axes[0].set_axis_off() # Displaying the XYZ image axes[1].imshow(xyz_image) axes[1].set_title('XYZ Image') axes[1].set_axis_off() # Adjusting spacing between subplots mtplt.tight_layout() # Showing the figures mtplt.show()
輸出
以下是上述程式碼的輸出:

使用轉換矩陣
我們可以用來將 RGB 影像轉換為 XYZ 影像的另一種方法是使用轉換矩陣。轉換矩陣包含將畫素的 RGB 分量與 XYZ 分量相關的係數。
可以按如下方式計算每個畫素的 XYZ 分量的值:
X = 0.412456 * r + 0.357576 * g + 0.180437 * b Y = 0.212672 * r + 0.715152 * g + 0.072175 * b Z = 0.019334 * r + 0.119193 * g + 0.950471 * b
其中 **X、Y 和 Z** 值表示 XYZ 顏色空間中的對應值。
示例
以下示例顯示了使用 RGB 通道的轉換矩陣值將 RGB 影像轉換為 XYZ 影像:
import mahotas as mh import numpy as np import matplotlib.pyplot as mtplt # Function to convert RGB to XYZ def rgb_to_xyz(rgb): height, width, _ = rgb.shape xyz_image = np.zeros((height, width, 3)) for i in range(height): for j in range(width): # Separating the RGB image into individual channels r, g, b = rgb[i, j] x = 0.412456 * r + 0.357576 * g + 0.180437 * b y = 0.212672 * r + 0.715152 * g + 0.072175 * b z = 0.019334 * r + 0.119193 * g + 0.950471 * b xyz_image[i, j] = [x, y, z] return xyz_image # Loading the image image = mh.imread('tree.tiff') # Converting it to XYZ xyz_image = rgb_to_xyz(image) # Creating a figure and axes for subplots fig, axes = mtplt.subplots(1, 2) # Displaying the original RGB image axes[0].imshow(image) axes[0].set_title('RGB Image') axes[0].set_axis_off() # Displaying the XYZ image axes[1].imshow(xyz_image) axes[1].set_title('XYZ Image') axes[1].set_axis_off() # Adjusting spacing between subplots mtplt.tight_layout() # Showing the figures mtplt.show()
輸出
上述程式碼的輸出如下:
