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 - 图像中的局部最大值

局部最大值是图像中强度或值高于其相邻像素或区域的像素或特定区域。它表示图像数据中的峰值或高点。

查找局部最大值的一种方法是执行局部邻域分析。对于图像中的每个像素,都会检查其邻域,如果像素是其邻域内的最大值,则将其视为局部最大值。

Mahotas 中图像中的局部最大值

我们可以使用 locmax() 函数在 Mahotas 中找到图像中的局部最大值。它将图像作为输入并返回二进制掩码,其中局部最大值标记为 True 或 1。

Mahotas 中的 local_maxima() 函数使用非最大值抑制算法来有效地定位局部最大值。通过检查每个像素及其邻域,该函数确定该像素是否是其局部区域内的最大值。

此分析允许检测图像数据中的峰值或高点,这在特征提取、对象检测和图像分割等各种应用中都发挥着重要作用。

非最大值抑制算法用于对象检测和边缘检测任务,通过选择相邻像素中的最高强度或响应值来消除冗余和弱检测,从而仅保留局部最大值并抑制非最大值。

使用 locmax() 函数

Mahotas 中的 locmax() 函数用于有效地识别输入图像中的局部最大值。它以灰度或单通道图像作为输入,并返回二进制掩码,其中局部最大值标记为 True 或 1。

语法

以下是 mahotas − 中 locmax() 函数的基本语法

mahotas.Locmax(image_name)

其中,'image_name' 是输入图像。

示例

以下是在图像中查找局部最大值的基本示例 −

import mahotas as mh
import numpy as np
from pylab import imshow, show
import matplotlib.pyplot as plt
image = mh.imread('nature.jpeg', as_grey=True)
maxima = mh.locmax(image)
print("Maxima:", maxima)
imshow(maxima)
show()
输出

以下是上述代码的输出 −

Maxima: [[ True True True ... True True True]
[ True True True ... True True True]
[ True True True ... True True True]
...
[False False False ... False False False]
[False False False ... False False True]
[ True False True ... False False True]]

显示的图像如下所示 −

局部最大值图像

使用 regmax() 函数

我们还可以使用 Mahotas 中的 regmax() 函数来查找图像中的局部最大值。区域最大值定义为图像中强度值高于指定区域内所有相邻像素的点。

regmax() 函数接受图像作为输入参数,并返回与输入图像大小相同的布尔图像。

以下是 mahotas − 中 regmax 函数的基本语法

regmax(image)

其中,'image' 是需要在其上识别区域最大值的灰度或彩色图像。

示例

在这里,我们尝试使用 regmax() 函数在灰度图像中的连通区域内找到区域最大值 −

import mahotas as mh
def find_local_maxima(image):
   regional_maxima = mh.regmax(image)
   return regional_maxima
image = mh.imread('sun.png', as_grey=True)
local_maxima_points = find_local_maxima(image)
print(local_maxima_points)

输出

上述代码的输出如下 −

[[False False False ... False False False]
[False False False ... False False False]
[False False False ... False False False]
...
[False False False ... False False False]
[False False False ... False False False]
[False False False ... True False False]]

彩色图像的区域最大值

我们还可以使用 regmax() 函数在彩色图像的连通区域内找到区域最大值。

示例

现在,我们尝试使用 regmax() 函数 − 在彩色图像的连通区域内找到区域最大值

import mahotas as mh
def find_local_maxima(image):
   regional_maxima = mh.regmax(image)
   return regional_maxima
image = mh.imread('tree.tiff')
local_maxima_points = find_local_maxima(image)
print(local_maxima_points)

输出

我们得到如下输出 −

[[[False False False]
[ True True True]
[False False False]
...
[False False False]
[False False False]
[False False False]]
.
.
.
[False False False]
[False False False]
[ True False False]]]