本文摘自《Keras深度學習：入門、實戰(zhàn)及進階》第四章部分章節(jié)。

什么是EBImage

EBImage是R的一個擴展包，提供了用于讀取、寫入、處理和分析圖像的通用功能，非常容易上手。EBImage包在Bioconductor中，通過以下命令進行安裝。

install.packages("BiocManager")
BiocManager::install("EBImage")

EBImage安裝后，可以通過以下命令將其加載到R中。

library("EBImage")

1. 圖像讀取與保存

EBImage的基本功能包括圖像的讀取、顯示和寫入。使用readImage()函數(shù)讀取圖像，函數(shù)中的參數(shù)files表示需要讀取的文件名或URL，參數(shù)type表示讀取的圖像文件格式，目前支持jpeg、jpg和tiff三種圖像文件格式。
首先，將我們將一張圖像格式為jpg文件的灰色圖像加載到R中。我們可以通過display()函數(shù)對剛剛加載的圖像進行可視化

> img <- readImage('../images/cat.jpg')
> display(img ,method = 'browser')

當display()函數(shù)的參數(shù)method為“browser”時，在R中運行命令后將在默認Web瀏覽器中打開圖像，在RStudio中運行命令后將在View窗口打開可交互的圖像。使用鼠標或者鍵盤快捷鍵可以放大或縮小圖像、平移或循環(huán)顯示多個圖像。當參數(shù)method為“raster”時，就在當前設備上繪制靜態(tài)圖像，我們還可以利用R的低級繪圖函數(shù)在圖像上添加其他元素。運行以下程序代碼將在圖像上添加文本標簽

> display(img,method = 'raster')
> text(x = 20,y = 20,label = 'cat',adj = c(0,1),col = 'orange',cex = 2)

上面示例讀入的是黑白圖像（或稱灰色圖像），readImage()和display()函數(shù)也可以輕松讀入彩色照片。

> imgcol <- readImage('../images/cat-color.jpg')
> display(imgcol,method = 'raster')

2.色彩管理

colorMode()函數(shù)可用于訪問和更改此屬性，修改圖像的渲染模式。在下一個例子中，我們將一張彩色圖像的模式變?yōu)榛疑℅rayscale），那么該圖像將不再顯示單一的彩色圖像，而是轉換為三幀的灰色圖像，分別對應紅、綠、藍三個通道。colorMode()函數(shù)只會改變EBImage渲染圖像的方式，并不會改變圖像的內(nèi)容。運行以下程序代碼，將一個彩色圖像渲染為一個具有3幀（紅色通道、綠色通道、藍色通道）的灰色圖像。

> colorMode(imgcol) <- Grayscale
> display(imgcol,method = 'raster',all = TRUE,nx = 3)

我們可以使用更靈活的channel()函數(shù)進行色彩空間轉換，可以將灰色圖像轉換為彩色圖像，也可以從彩色圖像中提取顏色通道。與colorMode()函數(shù)不同，channel()函數(shù)還可以更改圖像的像素強度值。asred、asgreen和asblue轉換模式可以將灰色圖像或數(shù)組轉換為指定色調(diào)的彩色圖像，此時圖形數(shù)據(jù)也將從二維變成三維。

> img_asgreen <- channel(img,'asgreen')
> dim(img)
[1] 1920 1080
> dim(img_asgreen)
[1] 1920 1080    3

3.圖像處理

作為數(shù)值數(shù)組，可以使用R的任何算數(shù)運算符方便地操作圖像。例如，我們可以通過簡單地利用其最大值減去圖像數(shù)據(jù)來生成負圖像。

> img_neg <- max(img) - img
> img_comb <- combine(img,img_neg) TRUE)

我們還可以通過加法來增加圖像的亮度，通過相乘來調(diào)整對比度，以及通過求冪來應用伽瑪校正。

> img_comb1 <- combine(
+   img,
+   img + 0.3,
+   img * 2,
+   img ^ 0.5
+ )
> display(img_comb1,method = 'raster',all=TRUE)

我們可以使用標準矩陣的子集選取方式對圖像進行裁剪。比如我們通過選取Image類的部分數(shù)據(jù)用于繪制貓咪的頭像

> img_crop <- img[800:1700, 100:950]
> plot(img_crop)

4.空間變換

對于灰色圖像，可以使用R基礎包的t()函數(shù)或者EBImage擴展包的transpose()函數(shù)進行轉置。

> img_t <- transpose(img) # 等價于 img_t <- t(img)
> plot(img_t)

對于彩色圖像，我們不能使用t()函數(shù)，而是需要使用transpose()函數(shù)對其進行轉置，其能通過交換空間維度來置換圖像。

> t(imgcol) # 報錯
Error in t.default(imgcol) : argument is not a matrix
> imgcol_t <- transpose(imgcol)
> plot(imgcol_t)

除了轉置，我們還有更多關于圖像的空間變換，例如平移、旋轉、反射和縮放。translate()函數(shù)通過指定的二維向量移動圖像平面，裁剪圖像區(qū)域外的像素，并將進入圖像區(qū)域的像素設置為背景。參數(shù)v是由兩個數(shù)字組成的向量，表示以像素為單位的平移向量。以下代碼實現(xiàn)將圖像往右移動100像素，往上移動50像素。

> img_rotate <- rotate(img,30)
> plot(img_rotate)

使用resize()函數(shù)可以將圖像進行縮放，如果僅提供寬度或者高度之一，則將自動計算另一個尺寸并保持原始寬高比。以下代碼實現(xiàn)將img、imgcol圖像的寬、高均設置為256。

> # 調(diào)整圖像尺寸
> img_resize <- resize(img,w = 256,h = 256)
> imgcol_resize <- resize(imgcol,w = 256,h = 256)
> par(mfrow=c(1,2))
> plot(img_resize)
> plot(imgcol_resize)
> par(mfrow=c(1,1))

flip()和flop()函數(shù)分別圍繞水平軸和垂直軸反射圖像。

> img_flip <- flip(img)
> img_flop <- flop(img)
> display(combine(img_flip, img_flop), 
+         all=TRUE,method = 'raster')

affine()函數(shù)可以實現(xiàn)空間線性變換，其中像素坐標(用矩陣px表示)轉換為cbind(px, 1)%*%m。

> m <- matrix(c(1,-.5,128,0,1,0),nrow=3,ncol=2)
> img_affine <- affine(img, m)
> display(img_affine)

5.形態(tài)運算

二值圖像是僅包含兩組像素的圖像，其值為0和1，分別表示背景像素和前景像素。這樣的圖像要經(jīng)歷幾種非線性的形態(tài)學運算：侵蝕、膨脹、打開和閉合。這些操作通過以下方式在二進制圖像上覆蓋一個稱為結構元素的掩碼來工作：

• 腐蝕：對于每個前景像素，在其周圍放置一個遮罩，如果遮罩覆蓋的任何像素來自背景，請將其設置為背景。
• 膨脹：對于每個背景像素，在其周圍放置一個蒙版，如果蒙版覆蓋的任何像素都來自前景，請將像素設置為前景。

我們首先讀入一個二值圖像，然后利用markBrush()函數(shù)創(chuàng)建一個形狀為diamond，大小為3的濾波器，再通過erode()函數(shù)對二值圖像進行腐蝕、dilate()函數(shù)對圖像進行膨脹。

> shapes <- readImage('../images/shapes.jpg')
> kern = makeBrush(3, shape='diamond')
> shapes_erode= erode(shapes, kern) # 腐蝕
> shapes_dilate = dilate(shapes, kern) # 膨脹
> display(combine(shapes,shapes_erode, shapes_dilate), 
+         all=TRUE,method = 'raster',nx = 3)

6.圖像分割

圖像分割是指對圖像進行分割，通常用于識別圖中的對象。非接觸連接的對象可以使用bwlabel()函數(shù)進行分段，而watershed()與propagate()函數(shù)能夠用更復雜的算法分離彼此接觸的對象。
bwlabel()函數(shù)查找除背景以外的每個相連像素集，并用唯一遞增的整數(shù)重新標記這些集?？梢栽趲ч撝档亩M制圖像上調(diào)用它以提取對象。

> shapes_label <- bwlabel(shapes)
> table(shapes_label)
shapes_label
?0 ? ? 1 ? ? 2 ? ? 3 ? ? 4 ? ? 5 ? ? 6 ? ? 7 ? ? 8 ? ? 9 ? ?10 ? ?11 ? ?12 ? ?13 ? ?14 ? ?15?
16821 ? 398 ? 129 ? 135 ? 11 ? 147 ? ?81 ? 109 ? ?60 ? ?87 ? ?93 ? ?81 ? ?78 ? 100 ? ?87 ? ?15?
> max(shapes_label)
[1] 15

shapes_label圖像的像素值范圍從0（對應于背景）到其包含的對象數(shù)，最大值為15。
我們利用normalize()函數(shù)對其進行(0,1)范圍內(nèi)的標準化，這將導致不同的對象以不同的灰色陰影渲染

> display(normalize(shapes_label),method = 'raster') # 灰色渲染

可視化分割的另一種方式是使用colorLabels()函數(shù)，該函數(shù)通過唯一顏色的隨機排列對對象進行顏色編碼。

> display(colorLabels(shapes_label),method = 'raster') # 彩色渲染

EBImage將對象掩碼定義為具有相同唯一整數(shù)值的一組像素。通常，包含對象掩碼的圖像就是分割函數(shù)的結果，如bwlabel、watershed或propagate。通過rmObject()函數(shù)可以將對象從這些圖像中刪除，只需將對象的像素值設置為0就可以從掩碼中刪除對象。默認情況下，在刪除對象之后，所有剩余的對象都會被重新標記，以便最高對象ID對應于掩碼中的對象數(shù)量。參數(shù)reenumerate可用于更改此行為并保留原始對象id。
我們需要將RstudioKeras對象中的“”移除，通過以下程序代碼實現(xiàn)。

> z <- rmObjects(shapes_label,15) # 移除"_"
> display(z,method = 'raster')

到此這篇關于R語言圖像處理EBImage包詳解的文章就介紹到這了,更多相關R語言圖像處理EBImage內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論