R语言图像处理EBImage包详解
> 本文摘自《Keras深度学习：入门、实战及进阶》第四章部分章节。
## 什么是EBImage
EBImage是R的一个扩展包，提供了用于读取、写入、处理和分析图像的通用功能，非常容易上手。EBImage包在Bioconductor中，通过以下命令进行安装。
```r
install.packages("BiocManager")
BiocManager::install("EBImage")
```
EBImage安装后，可以通过以下命令将其加载到R中。
```r
library("EBImage")
```
### 1. 图像读取与保存
EBImage的基本功能包括图像的读取、显示和写入。使用readImage()函数读取图像，函数中的参数files表示需要读取的文件名或URL，参数type表示读取的图像文件格式，目前支持jpeg、png和tiff三种图像文件格式。
首先，将我们将一张图像格式为jpg文件的灰色图像加载到R中。我们可以通过display()函数对刚刚加载的图像进行可视化
```r
> img <- readImage('../images/cat.jpg')
> display(img ,method = 'browser')
```
当display()函数的参数method为“browser”时，在R中运行命令后将在默认Web浏览器中打开图像，在RStudio中运行命令后将在View窗口打开可交互的图像。使用鼠标或者键盘快捷键可以放大或缩小图像、平移或循环显示多个图像。当参数method为“raster”时，就在当前设备上绘制静态图像，我们还可以利用R的低级绘图函数在图像上添加其他元素。运行以下程序代码将在图像上添加文本标签
```r
> display(img,method = 'raster')
> text(x = 20,y = 20,label = 'cat',adj = c(0,1),col = 'orange',cex = 2)
```
上面示例读入的是黑白图像（或称灰色图像），readImage()和display()函数也可以轻松读入彩色照片。
```r
> imgcol <- readImage('../images/cat-color.jpg')
> display(imgcol,method = 'raster')
```
### 2.色彩管理
colorMode()函数可用于访问和更改此属性，修改图像的渲染模式。在下一个例子中，我们将一张彩色图像的模式变为灰色（Grayscale），那么该图像将不再显示单一的彩色图像，而是转换为三帧的灰色图像，分别对应红、绿、蓝三个通道。colorMode()函数只会改变EBImage渲染图像的方式，并不会改变图像的内容。运行以下程序代码，将一个彩色图像渲染为一个具有3帧（红色通道、绿色通道、蓝色通道）的灰色图像。
```r
> colorMode(imgcol) <- Grayscale
> display(imgcol,method = 'raster',all = TRUE,nx = 3)
```
我们可以使用更灵活的channel()函数进行色彩空间转换，可以将灰色图像转换为彩色图像，也可以从彩色图像中提取颜色通道。与colorMode()函数不同，channel()函数还可以更改图像的像素强度值。asred、asgreen和asblue转换模式可以将灰色图像或数组转换为指定色调的彩色图像，此时图形数据也将从二维变成三维。
```r
> img_asgreen <- channel(img,'asgreen')
> dim(img)
[1] 1920 1080
> dim(img_asgreen)
[1] 1920 1080 3
```
### 3.图像处理
作为数值数组，可以使用R的任何算数运算符方便地操作图像。例如，我们可以通过简单地利用其最大值减去图像数据来生成负图像。
```r
> img_neg <- max(img) - img
> img_comb <- combine(img,img_neg) TRUE)
```
我们还可以通过加法来增加图像的亮度，通过相乘来调整对比度，以及通过求幂来应用伽玛校正。
```r
> img_comb1 <- combine(
+ img,
+ img + 0.3,
+ img * 2,
+ img ^ 0.5
+ )
> display(img_comb1,method = 'raster',all=TRUE)
```
我们可以使用标准矩阵的子集选取方式对图像进行裁剪。比如我们通过选取Image类的部分数据用于绘制猫咪的头像
```r
> img_crop <- img[800:1700, 100:950]
> plot(img_crop)
```
### 4.空间变换
对于灰色图像，可以使用R基础包的t()函数或者EBImage扩展包的transpose()函数进行转置。
```r
> img_t <- transpose(img) # 等价于 img_t <- t(img)
> plot(img_t)
```
对于彩色图像，我们不能使用t()函数，而是需要使用transpose()函数对其进行转置，其能通过交换空间维度来置换图像。
```r
> t(imgcol) # 报错
Error in t.default(imgcol) : argument is not a matrix
> imgcol_t <- transpose(imgcol)
> plot(imgcol_t)
```
除了转置，我们还有更多关于图像的空间变换，例如平移、旋转、反射和缩放。translate()函数通过指定的二维向量移动图像平面，裁剪图像区域外的像素，并将进入图像区域的像素设置为背景。参数v是由两个数字组成的向量，表示以像素为单位的平移向量。以下代码实现将图像往右移动100像素，往上移动50像素。
```r
> img_rotate <- rotate(img,30)
> plot(img_rotate)
```
使用resize()函数可以将图像进行缩放，如果仅提供宽度或者高度之一，则将自动计算另一个尺寸并保持原始宽高比。以下代码实现将img、imgcol图像的宽、高均设置为256。
```r
> # 调整图像尺寸
> 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()函数分别围绕水平轴和垂直轴反射图像。
```r
> img_flip <- flip(img)
> img_flop <- flop(img)
> display(combine(img_flip, img_flop),
+ all=TRUE,method = 'raster')
```
affine()函数可以实现空间线性变换，其中像素坐标(用矩阵px表示)转换为cbind(px, 1)%*%m。
```r
> m <- matrix(c(1,-.5,128,0,1,0),nrow=3,ncol=2)
> img_affine <- affine(img, m)
> display(img_affine)
```
### 5.形态运算
二值图像是仅包含两组像素的图像，其值为0和1，分别表示背景像素和前景像素。这样的图像要经历几种非线性的形态学运算：侵蚀、膨胀、打开和闭合。这些操作通过以下方式在二进制图像上覆盖一个称为结构元素的掩码来工作：
+ 腐蚀：对于每个前景像素，在其周围放置一个遮罩，如果遮罩覆盖的任何像素来自背景，请将其设置为背景。
+ 膨胀：对于每个背景像素，在其周围放置一个蒙版，如果蒙版覆盖的任何像素都来自前景，请将像素设置为前景。
我们首先读入一个二值图像，然后利用markBrush()函数创建一个形状为diamond，大小为3的滤波器，再通过erode()函数对二值图像进行腐蚀、dilate()函数对图像进行膨胀。
```r
> shapes <- readImage('../images/shapes.png')
> kern = makeBrush(3, shape='diamond')
> shapes_erode= erode(shapes, kern) # 腐蚀
> shapes_dilate = dilate(shapes, kern) # 膨胀
> display(combine(shapes,shapes_erode, shapes_dilate),
+ all=TRUE,method = 'raster',nx = 3)
```
### 6.图像分割
图像分割是指对图像进行分割，通常用于识别图中的对象。非接触连接的对象可以使用bwlabel()函数进行分段，而watershed()与propagate()函数能够用更复杂的算法分离彼此接触的对象。
bwlabel()函数查找除背景以外的每个相连像素集，并用唯一递增的整数重新标记这些集。可以在带阈值的二进制图像上调用它以提取对象。
```r
> 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图像的像素值范围从0（对应于背景）到其包含的对象数，最大值为15。
我们利用normalize()函数对其进行(0,1)范围内的标准化，这将导致不同的对象以不同的灰色阴影渲染
```r
> display(normalize(shapes_label),method = 'raster') # 灰色渲染
```
可视化分割的另一种方式是使用colorLabels()函数，该函数通过唯一颜色的随机排列对对象进行颜色编码。
```r
> display(colorLabels(shapes_label),method = 'raster') # 彩色渲染
```
EBImage将对象掩码定义为具有相同唯一整数值的一组像素。通常，包含对象掩码的图像就是分割函数的结果，如bwlabel、watershed或propagate。通过rmObject()函数可以将对象从这些图像中删除，只需将对象的像素值设置为0就可以从掩码中删除对象。默认情况下，在删除对象之后，所有剩余的对象都会被重新标记，以便最高对象ID对应于掩码中的对象数量。参数reenumerate可用于更改此行为并保留原始对象id。
我们需要将Rstudio_Keras对象中的“_”移除，通过以下程序代码实现。
```r
> z <- rmObjects(shapes_label,15) # 移除"_"
> display(z,method = 'raster')
```
R语言图像处理EBImage包详解相关推荐
- R语言文本挖掘tm包详解（附代码实现）
文本挖掘相关介绍 1什么是文本挖掘 2NLP 3 分词 4 OCR 5 常用算法 6 文本挖掘处理流程 7 相应R包简介 8 文本处理 词干化stemming snowball包 记号化Tokeniz ...
- R语言：ggplot2包详解及各类精美图形绘制
文章目录 1.1 Ggplot2介绍 1.2 Ggplot2特点 默认值 迭代 高级元素 1.3 Ggplot2映射组件 layer Scale coord theme 1.4 Ggplot2自带数据 ...
- R语言绘图patchwork拼图详解快速实现组合图拼接
pdf教程下载 此文内容来自微信公众号:R语言搬运工,扫码关注公众号浏览更多精彩内容** 我们在实际科研绘图或者写报告的时候,往往会同时出多幅统计图,如何将他们拼在一起是即将或者正在面临的问题.R语言 ...
- R语言科学计数法详解：digits和scipen设置
控制R语言科学计算法显示有两个option: digitis和scipen.介绍的资料很少,而且有些是错误的.经过翻看R语言的帮助和做例子仔细琢磨,总结如下: 默认的设置是: getOption(&q ...
- 10-R语言文本挖掘tm包详解
0.美图 文本挖掘相关介绍 1.什么是文本挖掘 文本挖掘是 抽取有效.新颖.有用.可理解的.散布在文本文件中的有价值知识,并且利用这些知识更好地组织信息的过程. 在文本挖掘领域中,文本自动分类,判同, ...
- R语言axis函数参数详解（坐标轴函数）
首先我们来看一下函数帮助文档所给定的axis函数参数: axis(side, at = NULL, labels = TRUE, tick = TRUE, line = NA,pos = NA, ou ...
- R语言基于forestplot包可视化森林图实战详解：美化的森林图：自定义字体设置、置信区间、坐标轴（刻度、标签、范围）、无效线去除、水平线、辅助线、box形状、色彩等
R语言基于forestplot包可视化森林图实战详解:美化的森林图:自定义字体设置.置信区间.坐标轴(刻度.标签.范围).无效线去除.水平线.辅助线.box形状.色彩等 目录
- R语言使用survminer包生存分析及可视化（ggsurvplot）实战详解：从数据集导入、生存对象生成、ggsurvplot可视化参数配置、设置、可视化对比
R语言使用survminer包生存分析及可视化(ggsurvplot)实战详解:从数据集导入.生存对象生成.ggsurvplot可视化参数配置.设置.可视化对比 目录 R语言使用survminer包生 ...
- R语言机器学习之caret包详解（一）
R语言机器学习caret包trainControl函数详解 R语言机器学习之caret包详解(一) 简介 数据预处理 各种数据变换 近零方差变量 创建虚拟变量 重抽样技术 k折交叉验证 留一交叉验证 ...
最新文章
- 三星招聘|计算机视觉、机器学习岗位研究员及实习生
- 小马智行L4无人车今日量产下线，这比融资更具里程碑意义
- ctr 平滑_CTR平滑的原理，包懂！！！附代码
- OpenCv调用摄像头拍照代码
- pytorch之object.grad.zero_()
- 剑指Offer - 面试题53 - II. 0～n-1中缺失的数字（二分、位运算）
- MONyog-数据库性能监控工具
- 用QEMU构建嵌入式LINUX系统
- logic:equal,logic:present用法
- python 词云 fontpath_Python酷炫词云图原来可以这么玩？
- 在CRM中怎么应用大数据挖掘
- 下载Visual Studio 2008 Beta 2
- MAPX中的数据绑定问题
- 各大网站JQuery的CDN库
- Python密度和轮廓图绘制--Matplotlib详解
- 港澳出入境通行证办事流程
- 【声卡宿主】ProTools 2021.7.0使用安装教程
- 新启动计算机顺序,最新版本：计算机启动启动项设置
- R语言读写最灵活的文件——txt文件
- 有空就学学的实例分割1——Tensorflow2搭建Mask R-CNN实例分割平台