Mahotas - 图像的区域最大值
区域最大值是指图像中像素强度值最高的点。在图像中，形成区域最大值的区域是所有其他区域中最亮的区域。区域最大值也称为全局最大值。
区域最大值考虑整个图像，而局部最大值仅考虑局部邻域，以找到强度最高的像素。
区域最大值是局部最大值的子集，因此所有区域最大值都是局部最大值，但并非所有局部最大值都是区域最大值。
图像可以包含多个区域最大值，但所有区域最大值的强度都相同。发生这种情况的原因是，只有最高强度值才会被视为区域最大值。
Mahotas 中的图像区域最大值
在 Mahotas 中，我们可以使用 mahotas.regmax() 函数找到图像中的区域最大值。区域最大值通过图像中的强度峰值来识别，因为它们代表高强度区域。
区域最大值点突出显示为白色，而其他点则为黑色。
mahotas.regmax() 函数
mahotas.regmax() 函数从输入灰度图像中提取区域最大值。
它输出一个图像，其中 1 表示存在区域最大值点，0 表示正常点。
regmax() 函数使用基于形态重建的方法来查找区域最大值。在这种方法中，将每个局部最大值区域的强度值与其邻居进行比较。
如果发现邻居的强度更高，则它成为新的区域最大值。这个过程一直持续到没有强度更高的区域，这表明已经达到区域最大值。
语法
以下是 mahotas − 中 regmax() 函数的基本语法
mahotas.regmax(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.regmax() 函数获取图像的区域最大值。
import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# 加载图像
image = mh.imread('tree.tiff')
# 将其转换为灰度
image = mh.colors.rgb2gray(image)
# 获取区域最大值
regional_maxima = mh.regmax(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()
# 显示区域最大值
axes[1].imshow(regional_maxima, cmap='gray')
axes[1].set_title('Regional Maxima')
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
我们还可以使用自定义结构元素从图像中获取区域最大值。结构元素是一个由 1 和 0 组成的奇数维二进制数组，用于在图像标记期间定义邻域像素的连接模式。
1 表示包含在连接分析中的相邻像素，而 0 表示被排除或忽略的邻居。
在 mahotas 中，在提取区域最大值区域时，我们可以使用自定义结构元素来定义相邻像素的连接性。我们首先使用 numpy.array() 函数创建一个奇数维结构元素。
然后，我们将这个自定义结构元素输入到 regmax() 函数中的 Bc 参数中。
例如，让我们考虑自定义结构元素:[[0, 0, 0, 0, 1], [0, 0, 1, 0, 0], [1, 0, 0, 0, 0], [0, 0, 0, 1, 0], [0, 1, 0, 0, 0]].此结构元素表示水平连通性，即，只有另一个像素水平左侧或右侧的像素才被视为其邻居。
示例
在此示例中，我们使用自定义结构元素来获取图像的区域最大值。
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)
# 设置自定义结构元素
struct_element = np.array([[0, 0, 0, 0, 1],
[0, 0, 1, 0, 0],
[1, 0, 0, 0, 0],
[0, 0, 0, 1, 0],
[0, 1, 0, 0, 0]])
# 获取区域最大值
regional_maxima = mh.regmax(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()
# 显示区域最大值
axes[1].imshow(regional_maxima, cmap='gray')
axes[1].set_title('Regional Maxima')
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 −
使用图像的特定区域
我们还可以找到图像特定区域的区域最大值。图像的特定区域是指较大图像的一小部分。可以通过裁剪原始图像以删除不必要的区域来提取特定区域。
在 mahotas 中，我们可以找到图像某一部分内的区域最大值。首先，我们通过指定 x 轴和 y 轴所需的尺寸来裁剪原始图像。然后我们使用裁剪后的图像并使用 regmax() 函数获取区域最大值。
例如，假设我们分别指定 [:800, 70:] 作为 x 轴和 y 轴的尺寸。然后，裁剪后的图像 x 轴的尺寸范围为 0 到 800 像素，y 轴的尺寸范围为 70 到最大尺寸。
示例
在此示例中，我们将获取图像特定区域内的区域最大值。
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)
# 使用图像的特定区域
image = image[:800, 70:]
# 获取区域最大值
regional_maxima = mh.regmax(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()
# 显示区域最大值
axes[1].imshow(regional_maxima, cmap='gray')
axes[1].set_title('Regional Maxima')
axes[1].set_axis_off()
# 调整间距子图
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 −
