Mahotas - 标记图像函数

图像标记是一种数据标记过程，涉及识别图像中的特定特征或对象，添加有意义的信息以选择和分类这些对象。

• 它通常用于生成机器学习模型的训练数据，特别是在计算机视觉领域。
• 图像标记有广泛的应用，包括物体检测、图像分类、场景理解、自动驾驶、医学成像等。
• 它允许机器学习算法从标记数据中学习，并根据提供的注释做出准确的预测或识别。

用于标记图像的函数

以下是 mahotas − 中用于标记图像的不同函数

现在，让我们看一些这些函数的示例。

label() 函数

mahotas.label() 函数用于标记数组，它被解释为二进制数组。这也称为标记的连接组件，其中连接由结构元素定义。

示例

以下是使用 label() 函数标记图像的基本示例 −

import mahotas as mh
import numpy as np
from pylab import imshow, show
# 创建二进制图像
image = np.array([[0, 0, 1, 1, 0],
[0, 1, 1, 0, 0],
[0, 0, 0, 1, 1],
[0, 0, 0, 0, 1],
[0, 1, 1, 1, 1]], dtype=np.uint8)
# 执行连通分量标记
labeled_image, num_labels = mh.label(image)
# 打印标记图像和标签数量
print("Labeled Image:")
print(labeled_image)
print("Number of labels:", num_labels)
imshow(labeled_image)
show()

输出

执行上述代码后，我们得到以下输出 −

Labeled Image:
[[0 0 1 1 0]
[0 1 1 0 0]
[0 0 0 2 2]
[0 0 0 0 2]
[0 2 2 2 2]]
Number of labels: 2

获得的图像如下所示 −

labeled.label() 函数

mahotas.labeled.label() 函数用于将标签值更新为连续顺序。生成的连续标签将是一个新的带标签图像，标签从 1 开始连续分配。

在此示例中，我们从由 NumPy 数组表示的带标签图像开始，其中标签是非连续的。

示例

以下是使用 labeled.label() 函数 − 标记图像的基本示例

import mahotas as mh
import numpy as np
from pylab import imshow, show
# 创建带有非连续标签的带标签图像
labeled_image = np.array([[0, 0, 1, 1, 0],
[0, 2, 2, 0, 0],
[0, 0, 0, 3, 3],
[0, 0, 0, 0, 4],
[0, 5, 5, 5, 5]], dtype=np.uint8)
# 将标签值更新为连续的
sequential_labels, num_labels = mh.labeled.label(labeled_image)
# 打印更新后的带标签图像
print("Sequential Labels:")
print(sequential_labels)
imshow(sequential_labels)
show()

输出

得到的输出如下 −

Sequential Labels:
[[0 0 1 1 0]
[0 1 1 0 0]
[0 0 0 2 2]
[0 0 0 0 2]
[0 2 2 2 2]]

以下是生成的图像 −

我们在本节的其余章节中详细讨论了这些功能。