将灰度滤镜适应于RGB图像

有许多滤镜设计用于处理灰度图像，但不适用于彩色图像。为了简化创建能够适应RGB图像的函数的过程，scikit-image提供了``adapt_rgb``装饰器。

要实际使用 adapt_rgb 装饰器，你必须决定如何调整 RGB 图像以适应灰度滤镜的使用。有两个预定义的处理程序：

each_channel

将每个RGB通道逐一传递给滤镜，然后将结果拼接回RGB图像中。

hsv_value

将RGB图像转换为HSV，并将值通道传递给滤镜。滤镜结果插入回HSV图像，并转换回RGB。

下面，我们演示了在几个灰度滤镜上使用 adapt_rgb：

from skimage.color.adapt_rgb import adapt_rgb, each_channel, hsv_value
from skimage import filters


@adapt_rgb(each_channel)
def sobel_each(image):
    return filters.sobel(image)


@adapt_rgb(hsv_value)
def sobel_hsv(image):
    return filters.sobel(image)

我们可以像平常一样使用这些函数，但现在它们可以处理灰度图像和彩色图像。让我们用一张彩色图像来绘制结果：

from skimage import data
from skimage.exposure import rescale_intensity
import matplotlib.pyplot as plt

image = data.astronaut()

fig, (ax_each, ax_hsv) = plt.subplots(ncols=2, figsize=(14, 7))

# We use 1 - sobel_each(image) but this won't work if image is not normalized
ax_each.imshow(rescale_intensity(1 - sobel_each(image)))
ax_each.set_xticks([]), ax_each.set_yticks([])
ax_each.set_title("Sobel filter computed\n on individual RGB channels")

# We use 1 - sobel_hsv(image) but this won't work if image is not normalized
ax_hsv.imshow(rescale_intensity(1 - sobel_hsv(image)))
ax_hsv.set_xticks([]), ax_hsv.set_yticks([])
ax_hsv.set_title("Sobel filter computed\n on (V)alue converted image (HSV)")

Text(0.5, 1.0, 'Sobel filter computed\n on (V)alue converted image (HSV)')

请注意，值过滤后的图像保留了原始图像的颜色，但通道过滤后的图像以一种更令人惊讶的方式组合。在其他常见情况下，例如平滑处理，通道过滤后的图像将产生比值过滤后的图像更好的结果。

你也可以为 adapt_rgb 创建自己的处理函数。为此，只需创建一个具有以下签名的函数:

def handler(image_filter, image, *args, **kwargs):
    # Manipulate RGB image here...
    image = image_filter(image, *args, **kwargs)
    # Manipulate filtered image here...
    return image

请注意，adapt_rgb 处理程序是为图像作为第一个参数的过滤器编写的。

作为一个非常简单的例子，我们可以将任何RGB图像转换为灰度图像，然后返回过滤后的结果：

from skimage.color import rgb2gray


def as_gray(image_filter, image, *args, **kwargs):
    gray_image = rgb2gray(image)
    return image_filter(gray_image, *args, **kwargs)

创建一个使用 *args 和 **kwargs 的签名来传递参数给过滤器是很重要的，这样被装饰的函数可以接受任意数量的位置参数和关键字参数。

最后，我们可以像之前一样将这个处理器与 adapt_rgb 一起使用：

@adapt_rgb(as_gray)
def sobel_gray(image):
    return filters.sobel(image)


fig, ax = plt.subplots(ncols=1, nrows=1, figsize=(7, 7))

# We use 1 - sobel_gray(image) but this won't work if image is not normalized
ax.imshow(rescale_intensity(1 - sobel_gray(image)), cmap=plt.cm.gray)
ax.set_xticks([]), ax.set_yticks([])
ax.set_title("Sobel filter computed\n on the converted grayscale image")

plt.show()

备注

通过检查数组形状的简单方法来检测RGB图像，因此 adapt_rgb 不推荐用于支持3D体积或非RGB空间中的彩色图像的函数。