用NumPy、Skimage和Matplotlib：从灰蓝图到黄红图再到二值图的图像转换实现

为了完成这个任务，我们将首先使用NumPy来创建和修改图像数据，然后使用scikit-image（`skimage`）来转换颜色并应用二值化，最后使用matplotlib来显示结果。以下是完整的Python代码示例： ```python import numpy as np import matplotlib.pyplot as plt from skimage.color import rgb2gray from skimage.filters import threshold_otsu from skimage.color import rgb2hsv, hsv2rgb # 创建一个600x600的图像，为灰色，中间300x300为蓝色 image = np.zeros((600, 600, 3), dtype=np.uint8) image[:, :] = [127, 127, 127] # 灰色 image[150:450, 150:450] = [0, 0, 255] # 蓝色中心 # 将灰色变为黄色，蓝色变为红色 # 这里我们先将RGB转换到HSV空间，修改颜色后再转换回RGB hsv_image = rgb2hsv(image) hsv_image[:, :, 1:] = np.where(hsv_image[:, :, 0] < 0.05, # 蓝色区域 np.stack([hsv_image[:, :, 1], 1, 1], axis=-1), # 红色HSV hsv_image[:, :, 1:]) hsv_image[:, :, 1:] = np.where(hsv_image[:, :, 0] > 0.5, # 灰色区域 np.stack([hsv_image[:, :, 0], 1, 1], axis=-1), # 黄色HSV，简化处理 hsv_image[:, :, 1:]) modified_image = hsv2rgb(hsv_image) # 将图像转为灰度图，并应用Otsu方法进行二值化 gray_image = rgb2gray(modified_image) thresh = threshold_otsu(gray_image) binary_image = gray_image > thresh # 将二值化图像中间为白，周围为黑（这里已经是这种形式了，但为了明确，我们可以反转） # 注意：这里的二值化已经自动处理了这一点，因为Otsu阈值会基于图像内容自动选择 # 如果需要显式地反转，可以使用 `binary_image = ~binary_image` # 显示结果 plt.figure(figsize=(10, 5)) plt.subplot(1, 2, 1) plt.imshow(modified_image) plt.title('Modified Image (Yellow and Red)') plt.axis('off') plt.subplot(1, 2, 2) plt.imshow(binary_image, cmap='gray') plt.title('Binary Image (Otsu Thresholding)') plt.axis('off') plt.show() ``` 注意点： 1. 颜色替换：为了替换颜色，我们将RGB图像转换到HSV空间，因为HSV空间对于颜色的修改更为直观。我们检查H（色调）值来识别蓝色和灰色区域，并相应地修改S（饱和度）和V（亮度）值。对于黄色，我们简单地将饱和度和亮度设为最大值，因为HSV到RGB的转换不完全是线性的，所以这不是完美的黄色。 2. 二值化：我们使用Otsu方法自动确定阈值，该方法基于图像的直方图来找到最佳阈值，从而将图像分割为前景和。由于图像的中心部分是红色的，并且亮度较高，Otsu阈值很可能将中心部分视为前景（白色），而其余部分视为（黑色）。 3. 显示图像：我们使用matplotlib来显示修改后的图像和二值化图像。 ######[AI写代码神器 | 851点数解答 | 2024-10-17 10:36:01]