一 skiamge模块
skimage包的全称是scikit-image SciKit (toolkit for SciPy) ，它对scipy.ndimage进行了扩展，提供了更多的图片处理功能。它是由python语言编写的，由scipy 社区开发和维护。skimage包由许多的子模块组成，各个子模块提供不同的功能。主要子模块列表如下：
| 子模块名称 | 主要实现功能 |
| io | 读取、保存和显示图片或视频 |
| data | 提供一些测试图片和样本数据 |
| color | 颜色空间变换 |
| filters | 图像增强、边缘检测、排序滤波器、自动阈值等 |
| draw | 操作于numpy数组上的基本图形绘制，包括线条、矩形、圆和文本等 |
| transform | 几何变换或其它变换，如旋转、拉伸和拉东变换等 |
| morphology | 形态学操作，如开闭运算、骨架提取等 |
| exposure | 图片强度调整，如亮度调整、直方图均衡等 |
| feature | 特征检测与提取等 |
| measure | 图像属性的测量，如相似性或等高线等 |
| segmentation | 图像分割 |
| restoration | 图像恢复 |
| util | 通用函数 |
用到一些图片处理的操作函数时，需要导入对应的子模块，如果需要导入多个子模块，则用逗号隔开，如：
from skimage import io,data,color
二 从外部读取图片并显示
2.1 彩色图片
- 读取单张彩色RGB图片，使用skimage.io.imread（fname）函数,带一个参数，表示需要读取的文件路径。
- 显示图片使用skimage.io.imshow（arr）函数，带一个参数，表示需要显示的arr数组（读取的图片以numpy数组形式计算）。
from skimage import io
img=io.imread('d:\杨幂.jpg')
io.imshow(img)
结果如下图所示：
2.1 灰度图片
- 读取使用skimage.io.imread（fname，as_grey=True）函数，第一个参数为图片路径，第二个参数为as_grey, bool型值，默认为False。
- 显示图片使用skimage.io.imshow（arr）函数，带一个参数，表示需要显示的arr数组（读取的图片以numpy数组形式计算）。
from skimage import io
img = io.imread("d:/杨幂灰度图.png",as_grey = True)
io.imshow(img)
结果如下所示：
三 程序自带图片读取与显示
skimage程序自带了一些示例图片，如果我们不想从外部读取图片，就可以直接使用这些示例图片：
|
astronaut |
宇航员图片 |
coffee |
一杯咖啡图片 |
lena |
lena美女图片 |
|
camera |
拿相机的人图片 |
coins |
硬币图片 |
moon |
月亮图片 |
|
checkerboard |
棋盘图片 |
horse |
马图片 |
page |
书页图片 |
|
chelsea |
小猫图片 |
hubble_deep_field |
星空图片 |
text |
文字图片 |
|
clock |
时钟图片 |
immunohistochemistry |
结肠图片 |
|
举例如下：
from skimage import io,data
img=data.astronaut()
io.imshow(img)
结果如下所示：
图片名对应的就是函数名，如camera图片对应的函数名为camera()。
四 保存图片
使用io模块的imsave（fname,arr）函数来实现。第一个参数表示保存的路径和名称，第二个参数表示需要保存的数组变量。
from skimage import io,data
img=data.chelsea()
io.imshow(img)
io.imsave('d:/cat.jpg',img)
结果如下所示：
五 图片的信息
如果我们想知道一些图片信息，可以通过Variable explorer读取：
当然我们也可以通过程序获得：
from skimage import io,data
img=data.chelsea()
io.imshow(img)
print(type(img)) #显示类型
print(img.shape) #显示尺寸
print(img.shape[0]) #图片宽度
print(img.shape[1]) #图片高度
print(img.shape[2]) #图片通道数
print(img.size) #显示总像素个数
print(img.max()) #最大像素值
print(img.min()) #最小像素值
print(img.mean()) #像素平均值
结果如下所示：
(300, 451, 3)
300
451
3
405900
231
0
115.305141661
