[使用plotly进行各种图像分析]使用plotly [python，image]进行动态可视化

让我们轻松地分析图像

环境

python == 3.8
情节== 4.10.0
scikit-image == 0.17.2
要求== 2.24.0
枕头== 7.2.0
matplotlib == 3.3.2

常见图像的处理

首先，我将使用枕头

1
2
3
4
5
6
7
8
9
10
11

import matplotlib.pyplot as plt
from PIL import Image
import requests
import io

url = 'https://upload.wikimedia.org/wikipedia/commons/thumb/0/00/Crab_Nebula.jpg/240px-Crab_Nebula.jpg'
img = Image.open(io.BytesIO(requests.get(url).content))

plt.figure(figsize=(5,5))
plt.subplot(111)
plt.imshow(img)

我能够使用通常的matplot显示图像
让我们将其设为黑色

1
2
3
4
5

gray_img = img.convert('L')

plt.figure(figsize=(5,5))
plt.subplot(111)
plt.imshow(gray_img)

图像对象可以使用convert

进行黑白显示

使用skimage和plotly进行图像处理

关于在图形上显示图像的好处是可以放大等。

1
2
3
4
5

import plotly.express as px
from skimage import io
img_sk = io.imread('https://upload.wikimedia.org/wikipedia/commons/thumb/0/00/Crab_Nebula.jpg/240px-Crab_Nebula.jpg')
fig = px.imshow(img_sk)
fig.show()

您也可以处理枕头上读取的图像

1 2	fig = px.imshow(gray_img, color_continuous_scale='gray') fig.show()

在图像中创建轮廓线

您可以将轮廓线添加到图像的亮度

等高线图为Z的值着色
从头到尾监控值
指定等高线的间隔，其大小为
通过使end和size相同，可以提取具有指定值的零件。
换句话说，可用于轮廓提取的

等。

1
2
3
4
5
6

import plotly.graph_objects as go
fig = px.imshow(gray_img, color_continuous_scale='gray')
fig.add_trace(go.Contour(z=gray_img, showscale=True,
contours=dict(start=0, end=30, size=30,coloring='lines'),line_width=1))

fig.show()

1
2
3
4
5
6
7
8
9
10

import plotly.express as px
import plotly.graph_objects as go
from skimage import data
img_camera = data.camera()
fig = px.imshow(img_camera, color_continuous_scale='gray')

fig.add_trace(go.Contour(z=img_camera, showscale=False,
contours=dict(start=0, end=70, size=70, coloring='lines'),
line_width=2))
fig.show()

通过绘图创建颜色通道的直方图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

from plotly.subplots import make_subplots
from skimage import data

img_sk.shape

#(240, 240, 3)

plt.imshow(img_sk)

img_r = img_sk.copy()
img_r[:, :, 1] = 0
img_r[:, :, 2] = 0
plt.imshow(img_r)

img_g = img_sk.copy()
img_g[:, :, 0] = 0
img_g[:, :, 2] = 0
plt.imshow(img_g)

img_b = img_sk.copy()
img_b[:, :, 0] = 0
img_b[:, :, 1] = 0
plt.imshow(img_b)

非零到历史

1
2
3
4
5
6
7
8
9

ff=go.Figure()
ff.add_trace(go.Histogram(x=img_r.flatten()[img_r.flatten()!=0],marker_color='red',name='red'))
ff.add_trace(go.Histogram(x=img_g.flatten()[img_g.flatten()!=0],marker_color='green',name='green'))
ff.add_trace(go.Histogram(x=img_b.flatten()[img_b.flatten()!=0],marker_color='blue',name='blue'))
ff.update_layout(barmode='overlay')
ff.update_traces(opacity=0.3)
ff.update_layout(height=400)

ff.show()

放大时，似乎主要是10或更少，所以请检查10或更多的分布

1
2
3
4
5
6
7
8
9

ff=go.Figure()
ff.add_trace(go.Histogram(x=img_r.flatten()[img_r.flatten()>10],marker_color='red',name='red'))
ff.add_trace(go.Histogram(x=img_g.flatten()[img_g.flatten()>10],marker_color='green',name='green'))
ff.add_trace(go.Histogram(x=img_b.flatten()[img_b.flatten()>10],marker_color='blue',name='blue'))
ff.update_layout(barmode='overlay')
ff.update_traces(opacity=0.3)
ff.update_layout(height=400)

ff.show()

整齐地分成

黑白的确认如下

1
2
3
4
5
6
7
8
9
10
11
12

from skimage.color import rgb2gray

gray_img = rgb2gray(img_sk)

ff=go.Figure()
ff.add_trace(go.Histogram(x=gray_img.flatten()[gray_img.flatten()!=0],marker_color='pink',name='gray'))
ff.update_layout(barmode='overlay')
ff.update_traces(opacity=0.8)
ff.update_layout(height=400)

ff.show()

1
2
3
4
5
6
7

ff=go.Figure()
ff.add_trace(go.Histogram(x=gray_img.flatten()[gray_img.flatten()>0.1],marker_color='pink',name='gray'))
ff.update_layout(barmode='overlay')
ff.update_traces(opacity=0.8)
ff.update_layout(height=400)

ff.show()

顺便说一下，如何在图中显示图像

吸引图形的整个表面

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

轻轻地在背面发出吸引力(下)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

使其更小并添加一根棍子或添加文字

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

import plotly.express as px
fig = px.scatter(x=[0, 1, 2, 3, 4], y=[0, 1, 4, 9, 16])

fig.add_layout_image(
dict(
source="https://upload.wikimedia.org/wikipedia/commons/thumb/0/00/Crab_Nebula.jpg/240px-Crab_Nebula.jpg",
xref="x",
yref="y",
x=1.68,
y=16,
sizex=3,
sizey=3)
)

fig.update_layout(
annotations=[
dict(
x=0.5,
y=0.8,
xref="paper",
yref="paper",
showarrow=True,
arrowhead=0,
opacity=0.5,
ax=190,
ay=100,
)#,
# dict(x=,y=,xref="paper",yref="paper",showarrow=True,arrowhead=0,opacity=0.5,ax=,ay=,)
]
)

fig.update_xaxes(title_text="picture No")
fig.update_yaxes(title_text="view par day", hoverformat=".3f")

fig.show()

图像的布局图像与图的位置一致
绘图的x和y轴对应于图像

的左上位置x和y

图像左下角的条形为0,0
中心是0.5,0.5
ax和ay代表钢筋的长度，并从指定位置x和y延伸到在x轴方向和y轴方向上延伸的钢筋的矢量合并位置

就这样

暂时可以移动的任何乐趣