scikit-image计算RG_ratio遇除零警告及直方图错误的解决方法

问题现象 #

计算红-绿指数（RG_ratio = R/G）时出现两个RuntimeWarning：

RuntimeWarning: divide by zero encountered in divide
RuntimeWarning: invalid value encountered in divide

绘制RG_ratio直方图时抛出ValueError：

ValueError: supplied range of [0.0, inf] is not finite

错误原因 #

1. 除以0警告：图像的G通道中存在值为0的像素，直接执行R/G时，会出现除以0的情况，生成无穷大（inf）的结果；如果R和G同时为0，会生成无效值（nan）。
2. 直方图绘制失败：RG_ratio数组中包含inf和nan这类非有限值，numpy在计算直方图范围时无法处理无穷大，导致报错。

解决方案 #

方案1：避免除以0，替换无效值 #

通过numpy的divide函数指定条件，或者给G通道添加极小值，避免除以0的情况：

# 方法A：使用np.divide的where参数，G为0时输出0
RG_ratio = np.divide(R, G, out=np.zeros_like(R, dtype=np.float64), where=G != 0)

# 方法B：给G加极小值（1e-8），避免除以0，同时不影响正常计算
RG_ratio = R / (G + 1e-8)

方案2：过滤非有限值后绘制直方图 #

如果已经生成了包含inf/nan的数组，绘制直方图前先过滤掉这些无效值：

# 提取所有有限值
valid_rg = RG_ratio[np.isfinite(RG_ratio)]
# 绘制直方图
plt.figure()
plt.hist(valid_rg, bins='scott')
plt.show()

方案3：改用更稳定的植被指数 #

代码中已经实现的**过绿指数（ExG = 2*G - R - B）**是更稳定的选择，它不需要除法运算，完全避免了除以0的问题，同样可以有效定位绿色像素。

修改后的完整代码 #

# Import modules
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
from skimage.color import rgb2gray, label2rgb
from skimage.filters import threshold_otsu

# Read example image
filename = 'wheat.jpg'
RGB = mpimg.imread(filename)

# Display image
plt.axis('off')
plt.imshow(RGB)
plt.show()

# Convert image from float in the range 0-1 to unsigned integer in the range 0-255
RGB = (RGB*255).astype('uint8')

# Separate RGB channels
R = RGB[:, :, 0]
G = RGB[:, :, 1]
B = RGB[:, :, 2]

# Display bands and histograms for each band
plt.figure(figsize=(12,8))
plt.subplot(2, 3, 1)
plt.axis('off')
plt.imshow(R, cmap='gray')
plt.title('Red')
plt.subplot(2, 3, 2)
plt.axis('off')
plt.imshow(G, cmap='gray')
plt.title('Green')
plt.subplot(2, 3, 3)
plt.axis('off')
plt.imshow(B, cmap='gray')
plt.title('Blue')
plt.subplot(2, 3, 4)
plt.hist(R.flatten())
plt.subplot(2, 3, 5)
plt.hist(G.flatten())
plt.subplot(2, 3, 6)
plt.hist(B.flatten())
plt.show()

# Compute Red-Green Ratio（处理除以0情况）
RG_ratio = np.divide(R, G, out=np.zeros_like(R, dtype=np.float64), where=G != 0)

# Compute Excess Green Index
ExG = 2*G - R - B

# Plot histogram of RG_ratio（过滤无效值）
valid_rg = RG_ratio[np.isfinite(RG_ratio)]
plt.figure()
plt.hist(valid_rg, bins='scott')
plt.title('RG_ratio Histogram')
plt.show()

内容的提问来源于stack exchange，提问作者s_o_c_account