python - 如何使用Python的scikit-image在4波段geotiff上执行图像分割？

我正在尝试读取4波段（红色，绿色，蓝色，近红外）的Geotiff（example data），并使用Python中的scikit-image模块执行quickshift segmentation。

我创建了以下脚本（基于scikit example）：

from __future__ import print_function
from osgeo import gdal
import matplotlib.pyplot as plt
import numpy as np

from skimage.segmentation import felzenszwalb, slic, quickshift
from skimage.segmentation import mark_boundaries
from skimage.util import img_as_float

image = r'C:\path\to\my\geotiff.tif'
img = io.imread(image, as_grey=False, plugin="gdal")
segments_quick = quickshift(img, kernel_size=3, max_dist=6, ratio=0.5)

我收到以下错误：

ValueError: the input array must be have a shape == (.., ..,[ ..,] 3)), got (4, 436, 553)

我很确定需要以某种方式重塑numpy数组。如何将多波段Geotiff正确地读入numpy数组并执行图像分割？

最佳答案

我相信您的问题是quickshift()认为您的图片是rgb。我从您提供的链接中下载了随机图像，并将其读入skimage。

img = io.imread('./m_4111722_ne_11_1_20100704.tif')

我将其大小调整为128x128x4（以简化计算）

img = transform.resize(img, (128, 128, 4))

然后跑quickshift()

segments = quickshift(img, kernel_size=3, max_dist=6, ratio=0.5)

并得到相同的错误。

ValueError: the input array must be have a shape == (.., ..,[ ..,] 3)), got (128, 128, 4)

它说在堆栈跟踪中更高

skimage/segmentation/_quickshift.pyx inskimage.segmentation._quickshift.\
quickshift (skimage/segmentation/_quickshift.c:1710)()

/****/****/anaconda/lib/python2.7/site-packages/skimage/color/colorconv.pyc in rgb2lab(rgb)
    901     This function uses rgb2xyz and xyz2lab.
    902     """
--> 903     return xyz2lab(rgb2xyz(rgb))

因此，您可以看到_quickshift.pyx试图先转换rgb --> xyz，然后再转换xyz --> lab。因此，假设您的图片是rgb。 quickshift()的skimage docs表示它具有默认为convert2lab的标志True。


  convert2lab：bool，可选（默认为True），在分割之前是否应将输入转换为Lab色彩空间。为此，假定输入为RGB。


如果我在将该标志设置为False的情况下重新运行您的功能

segments = quickshift(img, kernel_size=3, convert2lab=False, max_dist=6, ratio=0.5)

它运行。

plt.imshow(segments);

编辑：

顺便说一句，我注意到您的图像形状为(4, 436, 553)，这也是有问题的。 skimage期望颜色通道为最后。这可以用

img = img.transpose(1, 2, 0)