Mahotas - 图像中的局部最小值
图像中的局部最小值是指局部邻域内像素强度最低的区域。局部邻域仅由像素的直接邻居组成;因此,在识别局部最小值时,它仅使用图像的一部分。
图像可以包含多个局部最小值,每个局部最小值具有不同的强度。发生这种情况的原因是,一个区域的强度可能低于其邻近区域,但它可能不是整个图像中强度最低的区域。
Mahotas 中的图像局部最小值
在 Mahotas 中,我们可以使用 mahotas.locmin() 函数找到图像的局部最小值。局部最小值区域是使用区域最小值找到的,区域最小值指的是图像中强度值低于所有相邻像素的区域。
mahotas.locmin() 函数
"mahotas.locmin()"函数将图像作为输入并查找局部最小值区域。它返回一个二进制图像,其中每个局部最小值区域都用 1 表示。该函数按以下方式工作以在图像中查找局部最小值 −
它首先对输入图像应用形态侵蚀以找到区域最小值点。
接下来,它将侵蚀图像与原始图像进行比较。如果原始图像中的像素强度较低,则该像素代表区域最小值。
最后,生成一个二进制数组,其中 1 对应于局部最小值的存在,而 0 对应于其他地方。
语法
以下是 mahotas − 中 locmin() 函数的基本语法
mahotas.locmin(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.locmin() 函数获取图像的局部最小值。
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) # 获取局部最小值 local_minima = mh.locmin(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() # 显示局部最小值 axes[1].imshow(local_minima, cmap='gray') axes[1].set_title('Local Minima') 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 −

使用自定义结构元素
我们可以使用自定义结构元素来获取图像的局部最小值。结构元素是一个奇数维的二进制数组,由 1 和 0 组成,它定义了邻域像素的连接模式。
1 表示连接分析中包含的相邻像素,而 0 表示被排除或忽略的邻居。
在 mahotas 中,我们可以使用自定义结构元素在局部最小值提取期间定义图像的相邻像素。它允许我们根据要求找到局部最小值区域。
要使用结构元素,我们需要将其传递给 locmin() 函数的 Bc 参数。
例如,让我们考虑自定义结构元素:[[1, 0, 0, 0, 1], [0, 1, 0, 1,0], [0, 0, 1, 0, 0], [0, 1, 0, 1, 1], [1, 0, 0, 1, 0]].此结构元素表示垂直、水平和对角线连接。
这意味着对于图像中的每个像素,在局部最小值提取过程中,只有垂直、水平或对角线上下像素才被视为其邻居。
示例
在下面的示例中,我们定义了一个自定义结构元素来获取图像的局部最小值。
import mahotas as mh import numpy as np import matplotlib.pyplot as mtplt # 加载图像 image = mh.imread('nature.jpeg') # 将其转换为灰度 image = mh.colors.rgb2gray(image) # 设置自定义结构元素 struct_element = np.array([[1, 0, 0, 0, 1], [0, 1, 0, 1, 0], [0, 0, 1, 0, 0], [0, 1, 0, 1, 1], [1, 0, 0, 1, 0]]) # 获取局部最小值 local_minima = mh.locmin(image, Bc=struct_element) # 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() # 显示局部最小值 axes[1].imshow(local_minima, cmap='gray') axes[1].set_title('Local Minima') 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
上述代码的输出如下 −

使用二值图像
我们还可以在二值图像中找到局部最小值。二值图像是每个像素由 1 或 0 表示的图像,分别表示前景或背景。可以使用 numpy 库中的 array() 函数创建二值图像。
在 mahotas 中,我们可以使用 locmin() 函数来查找二值图像的局部最小值区域。由于二值图像仅由 1 和 0 组成,因此值为 1 的像素将被视为局部最小值,因为前景像素的强度小于背景像素。
例如,假设二值图像由以下数组创建:[[0, 1, 0, 0], [1, 0, 1, 0], [0, 1, 0, 0], [1, 0, 1, 0]]. 那么数组中 1 的数量将决定局部最小值区域的数量。因此,第一个数组将有 1 个局部最小值区域,第二个数组将有 2 个局部最小值区域,依此类推。
示例
在这里,我们获取二值图像中的局部最小值。
import mahotas as mh import numpy as np import matplotlib.pyplot as mtplt # 创建二值图像 binary_image = np.array([[0, 1, 0, 0], [1, 0, 1, 0], [0, 1, 0, 0], [1, 0, 1, 0]], dtype=np.uint8) # 获取局部最小值 local_minima = mh.locmin(binary_image) # 为子图创建图形和轴 fig, axis = mtplt.subplots(1, 2) # 显示二进制图像 axes[0].imshow(binary_image, cmap='gray') axes[0].set_title('Binary Image') axes[0].set_axis_off() # 显示局部最小值 axes[1].imshow(local_minima, cmap='gray') axes[1].set_title('Local Minima') 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 −
