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 - 图像直方图

图像直方图是指显示图像内像素强度分布的图形表示。它提供有关图像中不同强度值出现频率的信息。

直方图的横轴(X 轴)表示图像中可能强度值的范围,而纵轴(Y 轴)表示具有特定强度值的像素的频率或数量。

Mahotas 中的图像直方图

要计算 Mahotas 中图像的直方图,我们可以使用库提供的 fullhistogram() 函数。此函数将返回一个表示直方图值的数组。

直方图数组包含表示图像中可能像素值的箱。每个箱对应一个特定的强度级别,表示具有该特定值的像素的频率或数量。

例如,在 8− 位灰度图像中,直方图数组有 256 个箱,表示从 0 到 255 的强度级别。

mahotas.fullhistogram() 函数

Mahotas 中的 mahotas.fullhistogram() 函数将图像作为输入并返回表示直方图的数组。此函数通过计算每个强度级别或箱的像素数来计算直方图。

语法

以下是 mahotas − 中 fullhistogram() 函数的基本语法

mahotas.fullhistogram(image)

其中,'image' 是无符号类型的输入图像。

Mahotas 在此函数中只能处理无符号整数数组

示例

在下面的示例中,我们尝试使用 fullhistogram() 函数显示彩色图像的直方图 −

import mahotas as mh
import numpy as np
from pylab import imshow, show
import matplotlib.pyplot as plt
image = mh.imread('sun.png')
hist = mh.fullhistogram(image)
plt.hist(hist)
plt.show()

输出

执行上述代码后,我们得到以下输出 −

直方图图像

灰度图像直方图

Mahotas 中的灰度图像直方图是指灰度图像中像素强度分布的表示。

灰度图像的像素强度范围通常为 0(黑色)至 255(白色)。默认情况下,Mahotas 在计算直方图时会考虑像素强度的全范围。

这意味着从 0 到 255 的所有强度都包含在直方图计算中。

通过考虑 256 个箱和像素强度的全部范围,Mahotas 全面表示了灰度图像中像素强度的分布。

示例

在这里,我们尝试使用 mahotas − 显示灰度图像直方图;

import mahotas as mh
import numpy as np
import matplotlib.pyplot as plt
# 将图像数组转换为 uint8 类型
image = mh.imread('sun.png', as_grey=True).astype(np.uint8)
hist = mh.fullhistogram(image)
plt.hist(hist)
plt.show()

输出

生成的输出如下所示 −

灰度直方图图像

蓝色通道 RGB 图像直方图

蓝色通道包含有关每个像素的蓝色成分的信息。

我们将使用 mahotas 库与 numpy 和 matplotlib 结合使用,从 RGB 图像中提取蓝色通道。

我们可以通过使用数组切片选择第三个(索引 2)通道来从 RGB 图像中提取蓝色通道。这为我们提供了一个表示蓝色成分强度的灰度图像。

然后,使用 numpy,我们计算蓝色通道的直方图。我们将蓝色通道数组展平以创建 1D 数组,确保在图像的所有像素上计算直方图。

最后,我们使用 matplotlib 来可视化直方图。

示例

现在,我们尝试显示蓝色通道的 RGB 图像直方图 −

import mahotas as mh
import numpy as np
import matplotlib.pyplot as plt
# 加载 RGB 图像
image = mh.imread('sea.bmp')
# 提取蓝色通道
blue_channel = image[:, :, 2]
# 使用 numpy 计算直方图
hist, bins = np.histogram(blue_channel.flatten(), bins=256, range=[0, 256])
# 绘制直方图
plt.bar(range(len(hist)), hist)
plt.xlabel('Pixel Value')
plt.ylabel('Frequency')
plt.title('Histogram of Blue Channel')
plt.show()

输出

以下是上述代码的输出 −

蓝色通道 RGB 图像