Mahotas - 显示图像的形状

处理图像数据时，有些情况下我们需要显示图像的形状。

显示图像的形状是指揭示图像的尺寸和特征，例如其宽度、高度和颜色通道;其中高度对应于行数，宽度对应于列数，通道表示图像中的颜色通道数(例如，RGB 图像为 3)。

在 Mahotas 中显示图像的形状

在 mahotas 中，我们可以使用代表图像的 NumPy 数组的 shape 属性来显示图像的形状。通过访问此属性，我们可以获得图像的尺寸并根据其形状确定要执行的适当操作。

让我们讨论 Mahotas 提供的用于提取和可视化形状信息的不同步骤和功能，以及实际示例。

步骤 1:导入和加载图像

首先，我们需要导入 Mahotas 库并加载我们要分析的图像。安装 Mahotas 后，我们就可以开始进行图像形状分析了。

步骤 2:显示图像的形状

要在 mahotas 中显示图像的形状，我们可以使用 NumPy 数组的 shape 属性。

shape 属性返回一个表示数组维度的整数元组。对于图像，它将提供有关其宽度、高度和通道的信息。

image_shape = image.shape
print("Image Shape:", image_shape)

这将以 (height, width, channels) 格式打印已加载图像的形状。

步骤 3:提取单个维度

当我们谈到在 Mahotas 中提取形状的单个维度时，我们指的是获取有关图像大小和颜色成分的特定信息。

简单来说，图像具有不同的属性，例如其高度、宽度和颜色通道数(例如红色、绿色和蓝色)。提取单个维度意味着分别隔离和获取这些特定的信息。

height = image_shape[0]
width = image_shape[1]
channels = image_shape[2]
print("Height:", height)
print("Width:", width)
print("Channels:", channels)

通过执行此代码，我们将使用索引访问图像的尺寸，其中，

• 第一个索引对应于高度，

• 第二个索引对应于宽度

• 第三个索引对应于通道数。

这将提供图像的各个尺寸。

步骤 4:检查灰度图像

灰度图像是黑白图像，其中每个像素代表该特定点的强度或亮度。它没有任何颜色信息。把它想象成一张黑白照片。

有时，我们会遇到灰度图像，它只有一个通道，而不是彩色图像通常的三个通道(红色、绿色和蓝色)。要确定图像是否为灰度，我们可以检查通道数是否等于 1。

is_grayscale = channels == 1
if is_grayscale:
   print("The image is grayscale.")
else:
   print("The image is not grayscale.")

通过执行此代码，您将发现加载的图像是否为灰度。根据结果，我们可以进行适当的分析。

步骤 5:在图像上显示形状信息

现在，让我们探索如何在图像本身上显示形状信息。我们可以绘制形状或添加文本叠加以突出显示特定形状特征。这在显示或保存带有注释形状信息的图像时非常有用。

import matplotlib.pyplot as plt
# 创建图形和轴
fig, ax = plt.subplots()
# 显示图像
ax.imshow(image)
# 添加文本以显示形状信息
ax.text(10, 20, f"Shape: {image_shape}", color='white', fontsize=10,
bbox=dict(facecolor='black'))
# 删除轴刻度
ax.set_xticks([])
ax.set_yticks([])
# 显示图形
plt.show()

当我们执行此代码时，它将显示带有形状信息的图像。形状信息将定位在指定的坐标处，文本将以白色显示在黑色边界框上，使其在图像上更加清晰可见。

完整示例

现在，让我们看一下包含上述所有步骤的完整代码 −

# 安装库
import mahotas as ms
import matplotlib.pyplot as mtplt
# 加载图像
image = ms.imread('sun.png')
# 显示图像的形状
image_shape = image.shape
print("Image Shape:", image_shape)
# 提取单个维度
height = image_shape[0]
width = image_shape[1]
channels = image_shape[2]
print("Height:", height)
print("Width:", width)
print("Channels:", channels)
# 检查图像是否为灰度
is_grayscale = channels == 1
if is_grayscale:
   print("The image is grayscale.")
else:
   print("The image is not grayscale.")
# 创建图形和轴
fig, ax = mtplt.subplots()
# 显示图像
ax.imshow(image)
# 添加文本以显示形状信息
ax.text(350, 200, f"Shape: {image_shape}", color='white', fontsize=8,
bbox=dict(facecolor='green'))
# 删除轴刻度
ax.set_xticks([])
ax.set_yticks([])
# 显示图像
ax.imshow(image)
# 添加文本叠加以显示尺寸
text = f"Dimensions: {width}x{height}x{channels}" if not is_grayscale else
f"Dimensions: {width}x{height} (Grayscale)"
ax.text(18, 100, text, color='red', fontsize=12, fontweight='bold')
# 删除轴刻度和标签
ax.axis('off')
#显示带有形状信息的图像
mtplt.show()

输出

执行上述代码后，我们得到以下输出 −

Image Shape: (1280, 843, 3)
Height: 1280
Width: 843
Channels: 3
The image is not grayscale.