Mahotas - 有条件扩张图像

在上一章中，我们探讨了图像扩张的概念，这是一种将所有像素扩展到图像区域边界的操作。另一方面，条件扩张会根据某些条件扩展某些特定区域的像素。

条件可以基于图像像素的强度值或图像中的某些特定模式。

例如，让我们考虑一个灰度图像。您可以有条件地仅扩张那些满足特定强度阈值的像素，而不是扩张所有前景像素。

如果像素的强度高于预定义阈值，则应用扩张;否则，像素保持不变。

Mahotas 中的条件扩张图像

在 mahotas 中，条件扩张是传统扩张操作的扩展，它包含基于第二幅图像的条件，通常称为"标记图像"。

它允许您控制扩张过程，使得扩张仅发生在标记图像具有特定像素值的位置。

我们可以使用 cdilate() 函数在 mahotas 中对图像执行条件扩张。此函数根据标记图像的像素值将扩张过程限制在特定区域。

mahotas.cdilate() 函数

Mahotas 中的 cdilate() 函数接受两个输入:输入图像和掩码(条件)数组。它根据提供的条件对输入图像执行条件扩张，并返回扩张后的图像。

蒙版用于识别图像内的特定区域。它们充当过滤器，突出显示某些区域而忽略其他区域。

语法

以下是 cdilate() 函数的基本语法 −

mahotas.cdilate(f, g, Bc={3x3 cross}, n=1)

其中，

• f − 它是要对其执行条件扩张的输入图像。

• g −它是条件扩张期间要应用的蒙版。

• Bc = {3×3 cross}(可选) − 它是用于扩张的结构元素。默认值为 {3×3 cross}。

• n − 它是扩张操作的迭代次数。默认情况下，它设置为 1，表示单次迭代。

示例

在下面的示例中，我们通过放大图像的像素强度来对图像执行条件扩张 −

import mahotas as mh
import numpy as np
import matplotlib.pyplot as plt
image= mh.imread('nature.jpeg')
g = image * 2
conditional_dilated_image = mh.cdilate(image, g)
# 创建带有子图的图形
fig, axis = plt.subplots(1, 2, figsize=(7,5 ))
# 显示原始图像
axes[0].imshow(image)
axes[0].set_title('Original Image')
axes[0].axis('off')
# 显示条件扩张图像
axes[1].imshow(conditional_dilated_image, cmap='gray')
axes[1].set_title('Conditional Dilated Image')
axes[1].axis('off')
# 调整布局并显示图
plt.tight_layout()
plt.show()

输出

执行上述代码后，我们得到以下输出 −

使用结构元素

要在 Mahotas 中使用结构元素执行条件扩张，首先，我们需要定义将应用扩张的条件。例如，您可以根据像素强度指定条件或提供二​​进制掩码。

接下来，选择一个定义扩张邻域的结构元素。Mahotas 提供了几个预定义的结构元素，例如圆盘和正方形，您可以根据所需的形状和大小进行选择。

最后，检索结果图像，该图像将仅包含满足条件的扩张效果。

示例

在这里，我们尝试使用结构元素对图像执行条件扩张 −

import mahotas as mh
import numpy as np
import matplotlib.pyplot as plt
image= mh.imread('nature.jpeg', as_grey = True).astype(np.uint8)
# 根据像素强度定义条件
condition = image > 100
# 定义用于扩张的结构元素
structuring_element = mh.disk(5)
conditional_dilated_image = mh.cdilate(image, condition, structuring_element)
# 创建带有子图的图形
fig, axis = plt.subplots(1, 2, figsize=(7,5 ))
# 显示原始图像
axes[0].imshow(image)
axes[0].set_title('Original Image')
axes[0].axis('off')
# 显示条件扩张图像
axes[1].imshow(conditional_dilated_image, cmap='gray')
axes[1].set_title('Conditional Dilated Image')
axes[1].axis('off')
# 调整布局并显示图
plt.tight_layout()
plt.show()

输出

获得的输出如下所示 −

使用自定义条件函数

我们还可以使用自定义条件函数对图像执行条件扩张。

为此，我们首先定义一个自定义条件函数来确定哪些像素应该进行扩张。

接下来，选择一个结构元素来定义扩张操作的形状和大小。

最后，执行条件扩张并检索扩张后的图像。

示例

现在，我们使用自定义条件函数扩张图像 −

import mahotas as mh
import numpy as np
import matplotlib.pyplot as plt
# 加载图像
image = mh.imread('sea.bmp', as_grey=True).astype(np.uint8)
# 定义自定义条件函数
def custom_condition(pixel_value):
    return pixel_value > 100
# 定义结构元素
structuring_element = mh.disk(5)
# 根据自定义条件函数创建二进制掩码
condition = custom_condition(image)
# 执行条件扩张
conditional_dilated_image = mh.cdilate(image, condition, structuring_element)
# 创建带有子图的图形
fig, axis = plt.subplots(1, 2, figsize=(7,5 ))
# 显示原始图像
axes[0].imshow(image)
axes[0].set_title('Original Image')
axes[0].axis('off')
# 显示条件扩张图像
axes[1].imshow(conditional_dilated_image, cmap='gray')
axes[1].set_title('Conditional Dilated Image')
axes[1].axis('off')
# 调整布局并显示plot
plt.tight_layout()
plt.show()

输出

以下是上述代码的输出 −