使用skimage.data生成随机灰度图像数据

skimage.data模块是scikit-image库中的一个数据模块，用于生成一些随机的图像数据。其中，随机灰度图像数据可以通过random_noise函数来生成。

本例中，将使用random_noise函数生成随机灰度图像数据，并通过matplotlib库将其显示出来。

首先，需要安装scikit-image和matplotlib库。可以使用以下命令来安装这两个库：

pip install scikit-image matplotlib

接下来，导入所需的库和函数：

from skimage import data
from skimage.util import random_noise
import matplotlib.pyplot as plt

然后，使用random_noise函数生成随机灰度图像数据。random_noise函数接受两个参数：输入图像数据和噪声类型。可以选择多种噪声类型，如'gaussian'、'poisson'、'salt'、'pepper'等。这里选择'gaussian'噪声类型，并设定mean为0和var为0.01：

image_gray = data.camera()  # 读取灰度图像数据
image_noisy = random_noise(image_gray, mode='gaussian', mean=0, var=0.01)  # 生成带有高斯噪声的图像数据

最后，通过matplotlib库将生成的随机灰度图像数据显示出来。需要注意的是，图像数据的像素值范围是0到1之间，而matplotlib默认的显示范围是0到255之间。可以使用cmap参数设置显示的颜色映射为灰度图：

fig, axes = plt.subplots(1, 2, figsize=(10, 5))  # 创建一个包含两个子图的画布

axes[0].imshow(image_gray, cmap='gray')  # 显示原始灰度图像
axes[0].set_title('Original Image')
axes[0].axis('off')

axes[1].imshow(image_noisy, cmap='gray')  # 显示带有高斯噪声的图像
axes[1].set_title('Noisy Image')
axes[1].axis('off')

plt.show()  # 显示图像

运行上述代码，将生成一个包含两个子图的画布，左侧子图显示原始灰度图像，右侧子图显示带有高斯噪声的图像。

通过以上代码，可以生成随机灰度图像数据，并进行可视化显示。这在图像处理和机器学习中常用于生成训练数据集，增加数据集的多样性和鲁棒性。