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]