Mahotas - 图像的质心
质心是指物体质量的平均位置。它是物体总质量集中的点。简单来说,它代表物体的平衡点。如果物体均匀对称,则质心位于其几何中心,否则则不位于。
Mahotas 中的图像质心
Mahotas 中的质心是通过为物体的每个像素分配一个质量值,然后计算这些质量值的平均位置来确定的。这会产生质心的坐标,该坐标指示物体质心在图像中的位置。
使用 mahotas.center_of_mass() 函数
mahotas.center_of_mass() 函数用于查找图像的质心。它计算图像中像素强度的平均位置(作为坐标元组),提供图像"中心"所在位置的测量值。
以下是 mahotas − 中 center_of_mass() 函数的基本语法
mahotas.center_of_mass(image)
其中,image 指的是您要为其找到质心的输入图像。
示例
在下面的例子中,我们正在计算图像"nature.jpeg"的质心 −
import mahotas as ms import numpy as np # 加载图像 image = ms.imread('nature.jpeg') # 计算质心 com = ms.center_of_mass(image) # 打印质心 print("图像的质心是:", com)
输出
质心以 [x, y, z] 形式的 3D 坐标表示,如以下输出所示 −
图像的质心是:[474.10456551 290.26772015 0.93327202]
使用 Numpy 函数计算质心
NumPy 函数是 NumPy 库中的内置工具,可让您轻松地在Python。
要使用 Mahotas 中的 NumPy 函数计算质心,我们需要确定图像"权重"的平均位置。这是通过将每个像素的 x 和 y 坐标乘以其强度值,对这些加权坐标求和,然后将结果除以强度总和来实现的。
以下是使用 numpy 函数 − 计算图像质心的基本语法
com = np.array([np.sum(X * Y), np.sum(A * B)]) / np.sum(C)
其中,'X' 和 'Y' 表示坐标数组,'A' 和 'B' 表示与坐标相关的值或强度相对应的数组,'C' 表示表示值或强度总和的数组强度。
示例
在这里,我们使用创建一个坐标数组。coords 的第一维表示 y 轴坐标,第二维表示 x 轴坐标。然后,在计算加权和时,我们访问 coords[1] 以获取 x 轴坐标,访问 coords[0] 以获取 y 轴坐标 −
import mahotas as mh import numpy as np # 加载图像 image = mh.imread('tree.tiff') # 创建单个坐标数组 coords = np.indices(image.shape) # 计算 x 和 y 坐标的加权和 com = np.array([np.sum(coords[1] * image), np.sum(coords[0] * image)]) / np.sum(image) # 打印质心 print("质心:", com)
输出
以下是上述代码的输出 −
质心:[ 7.35650493 -3.83720823]
特定区域的质心
特定区域的质心是该区域图像中感兴趣的区域。这可能是一个特定区域,例如边界框或选定区域。
特定区域的质心是通过对 ROI(感兴趣区域)中每个像素的 x 和 y 坐标取加权平均值来计算的,其中权重是像素强度。质心以两个值的元组形式返回,分别表示 x 和 y 坐标。
示例
以下是计算灰度图像感兴趣区域质心的示例 −
import mahotas as mh import numpy as np # 加载灰度图像 image = mh.imread('nature.jpeg', as_grey=True) # 定义感兴趣区域 roi = image[30:90, 40:85] # 计算 ROI 的质心 center = mh.center_of_mass(roi) print(center)
输出
上述代码的输出如下 −
[29.50213372 22.13203391]