Newer
Older
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
{
"cells": [
{
"cell_type": "markdown",
"metadata": {
"slideshow": {
"slide_type": "slide"
}
},
"source": [
"# Repräsentation von Farbbildern\n",
"\n",
"Bilder werden häufig in Form von Rastergrafiken gespeichert.\n",
"Dies bedeutet, dass ein Bild mit einer Breite $m$ und einer Höhe $n$ dann $m \\times n$ Pixel groß ist.\n",
"Ein Bild kann somit als eine Matrix von Pixeln dargestellt werden.\n",
"Soweit entsprechen Farbbildern den Grauwertbildern.\n",
"\n",
"Aber wie können Farben enkodiert werden?"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"slideshow": {
"slide_type": "fragment"
}
},
"outputs": [],
"source": [
"import imageio\n",
"import matplotlib.pyplot as plt\n",
"import skimage.transform\n",
"import skimage.color\n",
"import pandas as pd"
]
},
{
"cell_type": "markdown",
"metadata": {
"slideshow": {
"slide_type": "slide"
}
},
"source": [
"Zunächst wird ein Farbbild geladen."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"slideshow": {
"slide_type": "fragment"
}
},
"outputs": [],
"source": [
"color_image = imageio.imread(\"imageio:chelsea.png\")\n",
"plt.imshow(color_image)\n",
"plt.show()"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Das Bild verfügt, ebenso wie ein Grauwertbild, über eine Breite und eine Höhe.\n",
"Darüber hinaus gibt es noch eine Anzahl von Layers.\n",
"Grauwertbilder haben nur einen Layer, die Intensitätswerte.\n",
"Farbbilder verfügen über mehrere Layer:\n",
"Für die Farben Rot, Grün und Blau werden jeweils die Intensitätswerte angegeben."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"slideshow": {
"slide_type": "fragment"
}
},
"outputs": [],
"source": [
"height, width, dim = color_image.shape\n",
"height, width, dim"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Hier ist anhand der Variablen `dim` zu erkennen, dass es drei Layer gibt.\n",
"Im Handbuch von imageio ist nachlesbar, dass der erste Layer Rot, der zweite Grün und der dritte Blau darstellt.\n",
"Es gibt auch andere Bibliotheken, wie z. B. OpenCV, die eine andere Sortierung der Layer vornehmen."
]
},
{
"cell_type": "markdown",
"metadata": {
"slideshow": {
"slide_type": "slide"
}
},
"source": [
"Dieses Bild kann man sich auch als Matrix anzeigen lassen, indem man sich den Wert der Variablen `color_image` direkt anzeigen lässt."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"slideshow": {
"slide_type": "fragment"
}
},
"outputs": [],
"source": [
"color_image"
]
},
{
"cell_type": "markdown",
"metadata": {
"slideshow": {
"slide_type": "slide"
}
},
"source": [
"Man kann auf die einzelnen Farben mithilfe der Befehle `color_image[:,:,0]`, `color_image[:,:,1]` und `color_image[:,:,2]` direkt zugreifen.\n",
"Dies entspricht den Intensitätswerten der Farben Rot, Grün und Blau."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"slideshow": {
"slide_type": "fragment"
}
},
"outputs": [],
"source": [
"plt.imshow(color_image[:, :, 0], cmap=\"gray\")\n",
"plt.imshow(color_image[:, :, 1], cmap=\"gray\")\n",
"plt.imshow(color_image[:, :, 2], cmap=\"gray\")\n",
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
"plt.show()"
]
},
{
"cell_type": "markdown",
"metadata": {
"slideshow": {
"slide_type": "fragment"
}
},
"source": [
"Das oberste Bild, das den Rotanteil repräsentiert ist sehr hell, sprich die Intensität ist hoch.\n",
"Das unterste Bild, das den Blauanteil repräsentiert, ist eher dunkel, sprich die Intenität ist niedrig.\n",
"Dadurch können wir darauf schließen, dass die Katze eher rötlich als bläulich aussieht.\n",
"\n",
"Eine andere Möglichkeit, dies zu visualisieren, sind Histogramme.\n",
"Dafür werden mithilfe der Methode `flatten` alle Pixel nacheinander gesetzt und sind somit eine 1-dimensionale Liste.\n",
"Dann werden die Häufigkeiten der Zahlenwerte analysiert."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"slideshow": {
"slide_type": "slide"
}
},
"outputs": [],
"source": [
"plt.hist(color_image[:, :, 0].flatten(), bins='auto', color=\"red\", alpha=.4, label=\"rot\")\n",
"plt.hist(color_image[:, :, 1].flatten(), bins='auto', color=\"green\", alpha=.4, label=\"grün\")\n",
"plt.hist(color_image[:, :, 2].flatten(), bins='auto', color=\"darkblue\", alpha=.4, label=\"blau\")\n",
"plt.title(\"Histogramm Rot-Grün-Blau\")\n",
"plt.legend()\n",
"plt.xlabel(\"Intensität des Pixels\")\n",
"plt.ylabel(\"Anzahl an Pixeln\")\n",
"plt.xlim([0, 255])\n",
"plt.show()"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Die automatisch gewählte Bin-Größe ist vielleicht etwas klein.\n",
"Wir können hier weiter \"herauszoomen\"."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"plt.hist(color_image[:,:,0].flatten(), bins=30, color=\"red\", alpha=.4, label=\"rot\")\n",
"plt.hist(color_image[:,:,1].flatten(), bins=30, color=\"green\", alpha=.4, label=\"grün\")\n",
"plt.hist(color_image[:,:,2].flatten(), bins=30, color=\"darkblue\", alpha=.4, label=\"blau\")\n",
"plt.title(\"Histogramm Rot-Grün-Blau\")\n",
"plt.legend()\n",
"plt.xlabel(\"Intensität des Pixels\")\n",
"plt.ylabel(\"Anzahl an Pixeln\")\n",
"plt.xlim([0, 255])\n",
"plt.show()"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Nun verwerfen wir die Farbinformationen und arbeiten nur mit den Grauwerten weiter.\n",
"Dafür werden die drei Farben in Grauwerte umgerechnet."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"gray_image = skimage.color.rgb2gray(color_image)\n",
"plt.imshow(gray_image, cmap=\"gray\")\n",
"plt.show()"
]
},
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Nun erstellen wir uns hiervon das Histogramm."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"n, bins, patches = plt.hist(gray_image.flatten(), bins=30, color=\"dimgray\", alpha=.4, label=\"Intensität\")\n",
"plt.title(\"Histogramm Grauwertbild\")\n",
"plt.legend()\n",
"plt.xlabel(\"Intensität des Pixels\")\n",
"plt.ylabel(\"Anzahl an Pixeln\")\n",
"plt.show()"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Der Aufruf der Histogramm-Funktion gibt auch Werte zurück.\n",
"Diese haben wir oben beim Farb-Beispiel einfach verfallen lassen.\n",
"Die Variablen `n` und `bins` sagen etwas darüber aus, wie das Histogramm inhaltlich angelegt worden ist.\n",
"Die Variable `patches` ist dafür da, um die Visualisierung weiter zu beeinflusse, z. B. für wisseschaftliche Publikationen.\n",
"\n",
"Die Variable `bins` beinhaltet die Trennlinien auf der X-Achse.\n",
"Bei jeder Trennlinie hört der letzte Bin auf und der neue Bin fängt an.\n",
"Die Variable `n` besagt, wie viele Beobachtungen in dem entsprechenden Bin liegen."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"bins, n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Das Umwandeln von dem Farb- in ein Grauwertbild hatte hier zu Konsequenz, dass auch die interne Repräsentation umgestellt wurde.\n",
"Dies ist nur ein Implementations-Detail, allerdings muss man beim Programmieren auf diese achten."
]
},
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Im nächsten Schritt skalieren wir das Bild auf sehr wenige Pixel herunter.\n",
"Dadurch werden die Matrizen kleiner und besser verständlich."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"small_image = skimage.transform.resize(gray_image, [int(height/32), int(width/32)], mode=\"constant\")\n",
"plt.imshow(small_image, cmap=\"gray\")\n",
"plt.show()"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Hier kann man die Katze nur noch erahnen.\n",
"Dafür werden aber nun alle Werte der Matrix dargestellt."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"small_image"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Wie kann man nun die Intensitätswerte interpretieren?\n",
"Sie liegen zwischen 0 und 1: Eine hohe Intensität wird durch die Farbe Weiß repräsentiert und der Zahlenwert ist nahe 1.\n",
"Niedrige Intensitäten werden durch die Farbe Schwarz repräsentiert und der Zahlenwert ist nahe 0.\n",
"\n",
"Eine übersichtlichere Darstellung kann man dadurch erhalten, dass man `pandas` einsetzt.\n",
"An dieser Stelle wird das Modul nur dafür eingesetzt, die Matrix schön zu layouten."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"small_image_as_df = pd.DataFrame(small_image)\n",
"small_image_as_df"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Eine andere häufige Repräsentation sind Intensitätswerte zwischen 0 (schwarz) und 255 (weiß).\n",
"Dies kann man einfach durch das Multiplizieren mit einem Skalar erhalten.\n",
"Danach muss noch der Typ von `float` auf `int` geändert werden."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"small_image_as_int = (small_image * 255).astype(int)\n",
"pd.DataFrame(small_image_as_int)"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"plt.imshow(small_image_as_int, cmap=\"gray\")\n",
"plt.show()"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Wie man sieht, ist die Darstellung als Bild gleich.\n",
"Ob man Werte zwischen 0 und 1 (float) oder zwischen 0 und 255 (int) verwendet, ist nur eine Frage der internen Darstellung.\n",
"Darüber hinaus gibt es noch viele andere Möglichkeiten, Intensitätswerte als Zahlen zu repräsentieren."
]
}
],
"metadata": {
"kernelspec": {
"display_name": "Python 3 (ipykernel)",
"language": "python",
"name": "python3"
},
"language_info": {
"codemirror_mode": {
"name": "ipython",
"version": 3
},
"file_extension": ".py",
"mimetype": "text/x-python",
"name": "python",
"nbconvert_exporter": "python",
"pygments_lexer": "ipython3",
"version": "3.8.12"
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
},
"varInspector": {
"cols": {
"lenName": 16,
"lenType": 16,
"lenVar": 40
},
"kernels_config": {
"python": {
"delete_cmd_postfix": "",
"delete_cmd_prefix": "del ",
"library": "var_list.py",
"varRefreshCmd": "print(var_dic_list())"
},
"r": {
"delete_cmd_postfix": ") ",
"delete_cmd_prefix": "rm(",
"library": "var_list.r",
"varRefreshCmd": "cat(var_dic_list()) "
}
},
"types_to_exclude": [
"module",
"function",
"builtin_function_or_method",
"instance",
"_Feature"
],
"window_display": false
},
"widgets": {
"application/vnd.jupyter.widget-state+json": {
"state": {},
"version_major": 2,
"version_minor": 0
}
}
},
"nbformat": 4,
"nbformat_minor": 4