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 −

局部最小值图像

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 −

局部最小值图像 1

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 −

二进制图像 Mahotas