- mongodb - 在 MongoDB mapreduce 中,如何展平值对象?
- javascript - 对象传播与 Object.assign
- html - 输入类型 ="submit"Vs 按钮标签它们可以互换吗?
- sql - 使用 MongoDB 而不是 MS SQL Server 的优缺点
当我尝试使用以下方法将图像转换为灰度时:
from skimage.io import imread
from skimage.color import rgb2gray
mountain_r = rgb2gray(imread(os.getcwd() + '/mountain.jpg'))
#Plot
import matplotlib.pyplot as plt
plt.figure(0)
plt.imshow(mountain_r)
plt.show()
我得到了一个奇怪的彩色图像,而不是灰度。
手动实现该功能也给了我相同的结果。自定义函数为:
def rgb2grey(rgb):
if len(rgb.shape) is 3:
return np.dot(rgb[...,:3], [0.299, 0.587, 0.114])
else:
print 'Current image is already in grayscale.'
return rgb
为什么该函数不将图像转换为灰度?
最佳答案
生成的图像是灰度的。但是,默认情况下,imshow
使用一种热图(称为 viridis)来显示图像强度。只需指定灰度颜色图,如下所示:
plt.imshow(mountain_r, cmap="gray")
对于所有可能的颜色图,请查看 colormap reference .
关于python - skimage : Why does rgb2gray from skimage. color 结果是彩色图像?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39805697/
当我尝试使用以下方法将图像转换为灰度时: from skimage.io import imread from skimage.color import rgb2gray mountain_r = r
我得到了 from skimage.measure import find_contours -----------------------------------------------------
我正在尝试获取 texture properties来 self 使用 skimage.feature 中的 greycomatrix 创建的 GLCM。我的输入数据是具有多个波段的图像,我想要每个像
我正在使用 sci-kits 模块 skimage 将图像从 RGB 色彩空间转换为 LAB,然后再转换回来。我从这个问题中发现了以下功能:Convert an image RGB->Lab with
我想将适合格式的图像调整为更小的尺寸。例如,我想将我的 100x100 像素图像调整为 58x58 像素图像。数组的值是强度或通量值。我希望在转换后保留图像的总强度。这不适用于 skimage 调整大
(尝试不在这里发布示例,但我认为这个问题很笼统,没有必要。) 我正在使用 skimage.transform.warp 来扭曲 200x2000 图像,给定使用 skimage.transform.P
我正在使用 skimage.transform.resize 调整图像大小,但我得到了一个非常奇怪的输出,我不知道为什么。谁能帮忙? 这是我的代码: import matplotlib.pyplot
我正在尝试使用 skimage.transform.resize 函数 调整 .jpg 图像的大小。函数返回奇怪的结果(见下图)。我不确定这是错误还是只是错误地使用了该功能。 import numpy
我正在尝试加载灰度图像,如下所示: from skimage import data from skimage.viewer import ImageViewer img = data.imread(
涉及到的函数为 ? 1
我在 Python 2.7 中使用 Skimage 包已经有一段时间了。 最近我将 Ubuntu 升级到 14.10,现在无法从 Skimage 包导入滤镜(以前是滤镜)。 Python 2.7.9
我想关闭 skimage UserWarning:我使用了此代码,但它们仍处于启用状态。 with warnings.catch_warnings(): warnings.simplefilt
我的图像看起来像这样,有一些较大的杂质/曝光过度的 Blob 。通常,它们是否被检测到并不重要,因为测量是时间解析的,因此它们稍后会被删除。 但是,我对尽可能多的小点感兴趣 - 尽可能快。 skima
考虑以下代码 import numpy as np from skimage import measure def mse(x, y): return np.mean(np.square(x
使用skimage rotate函数我注意到它有一个可选的插值(顺序)参数但我不明白为什么。 文档没有说明它是如何使用的,我认为旋转图像以简单的索引移位结束。 这是一张图片,使用双线插值和神经网络插值
我正在尝试将多个 RGB 图像转换为灰度图像。然而,我失去了一个维度 # img is an array of 10 images of 32x32 dimensions in RGB from sk
在skimage的模块_denoise.py中我发现了以下代码: def estimate_sigma(image, average_sigmas=False, multichannel=False)
我正在使用 skimage 旋转、缩放和平移图像。返回的图像使用原始图像形状,从而裁剪原始图像。如何返回包含整个原始图像的图像? from skimage import data from skima
我想获得通过在图像中剪切多边形而得到的子图像。 我在 skimage 中有一个图像,在 matplotlib.patches 中有一个多边形。 怎么做? 下面是我试过的。我不一定在寻找类似于下面的方法
我正在使用 skimage 切片聚类算法来分割生物医学图像(整个幻灯片图像)。当我用段边界绘制图像时,我发现边界没有明确定义。下面是我的代码和相应的图片。当我使用更高分辨率的图像时,我仍然遇到同样的问
我是一名优秀的程序员,十分优秀!