タグ: scikit-image

Pythonでの機械学習ライブラリとしては有名な scikit-learn があるが，
画像処理ライブラリは scikit-image がある．
最近Pythonでの画像処理の勉強をしていて気になったので，
scikit-image での画像の型の扱いについてメモ．
scikit-image ライブラリでは，画像の読み込みは，サブモジュールの skimage.data を使い，

import skimage.data
img = skimage.data.imread("lenna.jpg")

のように書く．
この時，読み込まれた画像は，uint8の型のarrayになっていて，
値は 0〜255 の間の整数値となる．
例えばグレースケール化したいと思った時，skimage.color.rgb2gray という関数を使うが，
これを行なうと，

import skimage.color
gimg = skimage.color.rgb2gray(img)

結果の　gimg は，float64 型になっていて，
値は 0.0〜1.0 の浮動小数点型となる．
画像処理においては， 0.0〜1.0 の間の浮動小数点数として扱うのが，
メモリは食うけど便利．
この辺りの型の変換を行なうのが，

skimage.img_as_bool(img)
skimage.img_as_ubyte(img)
skimage.img_as_int(img)
skimage.img_as_uint(img)
skimage.img_as_float(img)

の関数．
それぞれ，
skimage.img_as_bool(img)：
bool型 (True / False の２値)
skimage.img_as_ubyte(img)：
uint8型（読み込んだ時の状態．[0,255]の範囲）
skimage.img_as_int(img)：
int16型（uint8の[0,255]が[0,32767]にマップされる．負の値も格納可．）
skimage.img_as_uint(img)：
uint16型（[0,65535]の範囲）
skimage.img_as_float(img)：
float64型（uint8の[0,255]が[0.0,1.0]にマップされる．負の値も格納可．）
となる．
なお，この範囲は， skimage.dtype_limits(img) によってタプルで取得可能．