Scikit-image 简明教程

Scikit Image - Using Matplotlib

Matplotlib 是 Python 中一个被广泛使用的绘图库，它提供各种用于创建不同类型的图表和可视化的函数。它是一个功能强大的库，支持使用 Python 编程语言创建静态、动画和交互式可视化。

Scikit Image with Matplotlib

当涉及到在图像处理上下文中将可视化图像时，Matplotlib 可以与 scikit-image 库结合使用，以实现各种可视化任务。通常，Scikit-image 库提供如 io.imshow() 和 io.show() 之类的函数来显示图像，但是我们可以使用 Matplotlib 的 imshow() 函数来显示图像，并使用其它选项，如注释、颜色映射、坐标轴配置等。

此外，它可能有助于在一个图中创建多个图表（即子图），以比较图像的不同版本或显示图像处理流程中的中间步骤。

若要设置用于 scikit-image 的 Matplotlib，你需要确保同时已安装并正确配置这两个库。建议使用 pip 或 conda 等软件包管理器来安装 Matplotlib。pip 是 Python 的默认软件包管理器，而 Conda 是在 Anaconda 环境中管理软件包的常用选择。

Installing Matplotlib using pip

若要使用 pip 安装 Matplotlib，只需在命令提示符中运行以下命令：

pip install Matplotlib

它将下载 Matplotlib 软件包。

Installing Matplotlib using Conda

如果你已在系统中使用了 Anaconda 发行版，那么你可以直接使用 conda 软件包管理器来安装 Matplotlib。以下是命令：

conda install matplotlib

成功安装后，你可以直接导入 matplotlib.pyplot 和 skimage 库，以在 Python 脚本或笔记本中访问所需功能，以便执行图像处理任务。

以下是几个基本的 Python 程序，演示如何将 Matplotlib 库与 scikit-image 一起如何有效执行数据可视化任务。

Example 1

以下示例演示如何使用 Matplotlib 显示由 scikit-image 加载的图像。

from skimage import io
import matplotlib.pyplot as plt

# Read an image
image_data = io.imread('Images/logo-w.png')
# Display the image using Matplotlib
plt.imshow(image_data)
plt.title('Logo', fontsize=18)

执行上述程序时，你将得到以下输出：

matplotlib 1

Example 2

以下示例演示如何使用 scikit-image 将圆形蒙版应用于图像，并使用 Matplotlib 并排显示原始图像和蒙版图像。

import matplotlib.pyplot as plt
from skimage import io
import numpy as np

# Load the image
image_path = 'Images_/Zoo.jpg'
image = io.imread(image_path)
image_copy = np.copy(image)

# Create circular mask
rows, cols, _ = image.shape
row, col = np.ogrid[:rows, :cols]
center_row, center_col = rows / 2, cols / 2
radius = min(rows, cols) / 2
outer_disk_mask = ((row - center_row)**2 + (col - center_col)**2 > radius**2)

# Apply mask to image
image[outer_disk_mask] = 0

# Display the original and masked images using Matplotlib
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(10, 5))
axes[0].imshow(image_copy)
axes[0].set_title('Original Image')
axes[0].axis('off')
axes[1].imshow(image)
axes[1].set_title('Masked Image')
axes[1].axis('off')
plt.tight_layout()
plt.show()

执行上述程序时，你将得到以下输出：

matplotlib 2