使用skimage可便捷实现图像读取、颜色转换与特征提取：先用io.imread读取图像，通过color.rgb2gray转灰度图，再利用feature.canny进行边缘检测，filters.threshold_otsu实现阈值分割，结合numpy统计像素均值与标准差，最终用io.imsave保存处理结果。
使用 skimage（scikit-image）包提取图像信息非常方便，它提供了丰富的函数来读取、处理和分析图像。下面介绍如何用 skimage 读取图像、提取基本特征以及进行简单的预处理操作。
安装与导入
如果尚未安装 skimage，可以通过 pip 安装：
pip install scikit-image安装完成后，在 Python 中导入常用模块：
from skimage import io, color, filters, featureimport numpy as np
读取图像
使用 io.imread() 可以加载本地或网络图像：
立即学习“Python免费学习笔记（深入）”；
# 读取本地图像img = io.imread('example.jpg')
# 显示图像（可选）
io.imshow(img)
io.show()
支持格式包括 JPG、PNG、TIFF 等。如果是灰度图，图像数据为二维数组；彩色图为三维数组（高度 × 宽度 × 通道）。
转换颜色空间
常将彩色图像转为灰度图以便后续处理：
# 转为灰度图像gray_img = color.rgb2gray(img)
也可转为 HSV、LAB 等其他色彩空间：
# 转为 HSVhsv_img = color.rgb2hsv(img)
提取图像特征
skimage 提供多种方式提取图像中的关键信息：
-
边缘检测：使用 Sobel 或 Canny 检测算子
edges = feature.canny(gray_img, sigma=3) -
阈值分割：获取前景区域
thresh = filters.threshold_otsu(gray_img)
binary = gray_img > thresh -
角点检测：如 Harris 角点
coords = feature.corner_harris(gray_img) -
纹理或强度统计：可结合 numpy 分析像素分布
mean_intensity = np.mean(gray_img)
std_intensity = np.std(gray_img)
保存提取结果
处理后的图像或掩码可保存到文件：
# 保存二值图像io.imsave('binary_mask.png', binary.astype(np.uint8) * 255)
# 保存边缘图像
io.imsave('edges.png', edges.astype(np.uint8) * 255)
基本上就这些。通过组合读取、转换和特征提取方法，你可以从图像中有效获取结构化信息，用于分类、分割或目标检测等任务。skimage 接口简洁，适合快速原型开发。
