Mahotas 教程

Mahotas - 主页 Mahotas - 简介 Mahotas - 计算机视觉 Mahotas - 历史 Mahotas - 功能 Mahotas - 安装

Mahotas 处理图像

Mahotas - 处理图像 Mahotas - 加载图像 Mahotas - 将图像加载为灰色 Mahotas - 显示图像 Mahotas - 显示图像形状 Mahotas - 保存图像 Mahotas - 图像的质心 Mahotas - 图像的卷积 Mahotas - 创建 RGB 图像 Mahotas - 图像的欧拉数 Mahotas - 图像中的零分数 Mahotas - 获取图像矩 Mahotas - 图像中的局部最大值 Mahotas - 图像椭圆轴 Mahotas - 图像拉伸 RGB

Mahotas 颜色空间转换

Mahotas - 颜色空间转换 Mahotas - RGB 到灰度转换 Mahotas - RGB 到 LAB 转换 Mahotas - RGB 转棕褐色 Mahotas - RGB 到 XYZ 转换 Mahotas - XYZ 到 LAB 转换 Mahotas - XYZ 到 RGB 转换 Mahotas - 增加伽马校正 Mahotas - 拉伸伽马校正

Mahotas 标记图像函数

Mahotas - 标记图像函数 Mahotas - 标记图像 Mahotas - 过滤区域 Mahotas - 边界像素

Mahotas - 形态学操作

Mahotas - 形态运算符 Mahotas - 查找图像平均值 Mahotas - 裁剪图像 Mahotas - 图像偏心率 Mahotas - 叠加图像 Mahotas - 图像圆度 Mahotas - 调整图像大小 Mahotas - 图像直方图 Mahotas - 扩大图像 Mahotas - 腐蚀图像 Mahotas - 分水岭 Mahotas - 图像的开运算过程 Mahotas - 图像的闭合过程 Mahotas - 填补图像中的空洞 Mahotas - 条件性膨胀图像 Mahotas - 条件腐蚀图像 Mahotas - 图像的条件分水岭 Mahotas - 图像中的局部最小值 Mahotas - 图像的区域最大值 Mahotas - 图像的区域最小值

Mahotas - 高级概念

Mahotas - 图像阈值 Mahotas - 设置阈值 Mahotas - 软阈值 Mahotas - Bernsen 局部阈值 Mahotas - 小波变换 Mahotas - 制作图像小波中心 Mahotas - 距离变换 Mahotas - 多边形实用程序 Mahotas - 局部二元模式 Mahotas - 阈值邻接统计 Mahotas - Haralic 特征 Mahotas - 标记区域的权重 Mahotas - Zernike 特征 Mahotas - Zernike 矩 Mahotas - 等级过滤器 Mahotas - 2D 拉普拉斯过滤器 Mahotas - 多数过滤器 Mahotas - 均值滤波器 Mahotas - 中值滤波器 Mahotas - Otsu 方法 Mahotas - 高斯滤波 Mahotas - 命中与未命中变换 Mahotas - 标记最大值数组 Mahotas - 图像平均值 Mahotas - SURF 密集点 Mahotas - SURF 积分 Mahotas - Haar 变换 Mahotas - 突出显示图像最大值 Mahotas - 计算线性二进制模式 Mahotas - 获取标签边框 Mahotas - 逆 Haar 变换 Mahotas - Riddler-Calvard 方法 Mahotas - 标记区域的大小 Mahotas - 模板匹配 Mahotas - 加速稳健特征 Mahotas - 移除带边框的标签 Mahotas - Daubechies 小波 Mahotas - Sobel 边缘检测



Mahotas - 突出显示图像最大值

突出显示图像最大值是指显示图像中最亮的区域。图像最大值,也称为区域最大值,是图像中所有其他区域中像素强度值最高的区域。

图像最大值在搜索最亮区域时会考虑整个图像。图像可以有多个区域最大值,但它们都具有相同的亮度级别。这是因为只有最亮的值才被视为图像最大值。

在 Mahotas 中突出显示图像最大值

在 Mahotas 中,我们可以使用 mahotas.regmax() 函数突出显示图像中的最大值。图像最大值表示高强度区域;因此可以通过查看图像的强度峰值来识别它们。以下是该函数用于突出显示图像最大值 − 的基本方法

  • 首先,它将每个局部最大值区域的强度值与其邻居进行比较。

  • 如果发现更亮的邻居,该函数将其设置为新的图像最大值。

此过程持续进行,直到所有区域都与图像最大值进行了比较。

mahotas.regmax() 函数

mahotas.regmax() 函数以灰度图像作为输入。它返回一个图像,其中 1 表示图像最大值点,而 0 表示正常点。

语法

以下是 mahotas − 中 regmax() 函数的基本语法

mahotas.regmax(f, Bc={3x3 cross}, out={np.empty(f.shape, bool)})

其中,

  • f − 它是输入的灰度图像。

  • Bc(可选) − 它是用于连接的结构元素。

  • out(可选) −它是布尔数据类型的输出数组(默认为与 f 大小相同的新数组)。

示例

在下面的例子中,我们使用 mh.regmax() 函数突出显示图像最大值。

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# 加载图像
image = mh.imread('sun.png')
# 将其转换为灰度
image = mh.colors.rgb2gray(image)
# 获取区域最大值
regional_maxima = mh.regmax(image)
# 为子图创建图形和轴
fig, axis = mtplt.subplots(1, 2)
# 显示原始图像
axes[0].imshow(image, cmap='gray')
axes[0].set_title('Original Image')
axes[0].set_axis_off()
# 显示突出显示的图像最大值
axes[1].imshow(regional_maxima, cmap='gray')
axes[1].set_title('Regional Maxima')
axes[1].set_axis_off()
# 调整子图之间的间距
mtplt.tight_layout()
# 显示图
mtplt.show()
输出

以下是上述代码的输出 −

Image Maxima

使用自定义结构元素突出显示 Maxima

我们还可以使用自定义结构元素突出显示图像最大值。结构元素是一个仅由 1 和 0 组成的数组。它定义了邻域像素的连接模式。

值为 1 的像素包含在连接分析中,而值为 0 的像素则被排除在外。

在 mahotas 中,我们使用 mh.disk() 函数创建自定义结构元素。然后,我们将此自定义结构元素设置为 regmax() 函数中的 Bc 参数,以突出显示图像最大值。

示例

在此示例中,我们使用自定义结构元素突出显示图像最大值。

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# 加载图像
image = mh.imread('tree.tiff')
# 将其转换为灰度
image = mh.colors.rgb2gray(image)
# 创建自定义结构元素
se = np.array([[0, 1, 0],[1, 1, 1],[0, 1, 0]])
# 获取区域最大值
regional_maxima = mh.regmax(image, Bc=se)
# 为子图创建图形和轴
fig, axis = mtplt.subplots(1, 2)
# 显示原始图像
axes[0].imshow(image, cmap='gray')
axes[0].set_title('Original Image')
axes[0].set_axis_off()
# 显示突出显示的图像最大值
axes[1].imshow(regional_maxima, cmap='gray')
axes[1].set_title('Regional Maxima')
axes[1].set_axis_off()
# 调整子图之间的间距
mtplt.tight_layout()
# 显示图形
mtplt.show()

输出

执行上述代码后,我们得到以下输出 −

Image Maxima1