Mahotas - 图像的区域最小值
图像中的区域最小值是指像素强度值最低的点。在图像中,形成区域最小值的区域是所有其他区域中最暗的区域。区域最小值也称为全局最小值。
区域最小值考虑整个图像,而局部最小值仅考虑局部邻域,以找到强度最低的像素。
区域最小值是局部最小值的子集,因此所有区域最小值都是局部最小值,但并非所有局部最小值都是区域最小值。
一幅图像可以包含多个区域最小值,但所有区域最小值的强度都相同。发生这种情况的原因是,只有最低强度值才会被视为区域最小值。
Mahotas 中的图像区域最小值
在 Mahotas 中,我们可以使用 mahotas.regmin() 函数来查找图像中的区域最大值。区域最小值是通过图像中的强度谷值来识别的,因为它们代表低强度区域。
区域最小值点在黑色背景下以白色突出显示,黑色背景代表正常点。
mahotas.regmin() 函数
mahotas.regmax() 函数从输入灰度图像中获取区域最小值。它输出一个图像,其中 1 表示存在区域最小值点,0 表示正常点。
regmin() 函数使用基于形态重建的方法来查找区域最小值。在这里,将每个局部最小值区域的强度值与其相邻的局部最小值区域进行比较。
如果发现邻居的强度较低,则它成为新的区域最小值。此过程持续进行,直到没有强度较低的区域,表明已识别出区域最小值。
语法
以下是 mahotas − 中 regmin() 函数的基本语法
mahotas.regmin(f, Bc={3×3 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.regmin() 函数获取图像的区域最小值。
import mahotas as mh import numpy as np import matplotlib.pyplot as mtplt # 加载图像 image = mh.imread('sea.bmp') # 将其转换为灰度 image = mh.colors.rgb2gray(image) # 获取区域最小值 regional_minima = mh.regmin(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() # 显示区域最小值 axes[1].imshow(regional_minima, cmap='gray') axes[1].set_title('Regional 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
我们还可以使用自定义结构元素从图像中获取区域最小值。
在 mahotas 中,从图像中获取区域最小值时,我们可以使用自定义结构元素来定义相邻像素的连接方式。我们可以使用它来根据需要获取结果图像。可以通过将结构元素传递给 regmin() 函数中的 Bc 参数来完成。
例如,让我们考虑自定义结构元素:[[1, 1, 1, 1, 0], [1, 1, 0, 1,1], [0, 1, 1, 1, 1], [1, 1, 1, 0, 1], [1, 0, 1, 1, 1]].此结构元素表示水平和垂直连接。这意味着只有水平左侧或右侧以及垂直上方或下方的像素才被视为其邻居。
示例
在这里,我们使用自定义结构元素来获取图像的区域最小值。
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) # 设置自定义结构元素 struct_element = np.array([[1, 1, 1, 1, 0],[1, 1, 0, 1, 1], [0, 1, 1, 1, 1],[1, 1, 1, 0, 1],[1, 0, 1, 1, 1]]) # 获取区域最小值 regional_minima = mh.regmin(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() # 显示区域最小值 axes[1].imshow(regional_minima, cmap='gray') axes[1].set_title('Regional 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 −

使用图像的特定区域
我们还可以找到图像特定区域的区域最小值。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,我们可以使用图像的一部分并获取其区域最小值。首先,我们通过提供 x 轴和 y 轴的尺寸从原始图像中获取特定区域。
然后我们使用裁剪后的图像并使用 regmin() 函数获取区域最小值。
例如,假设我们分别指定 [:900, :800] 作为 x 轴和 y 轴的尺寸。然后,特定区域将在 x 轴的 0 到 900 像素范围内,y 轴的 0 到 800 像素范围内。
示例
在下面提到的示例中,我们将获取图像特定区域内的区域最小值。
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) # 使用图像的特定区域 image = image[:900, :800] # 获取区域最小值 regional_minima = mh.regmin(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() # 显示区域最小值 axes[1].imshow(regional_minima, cmap='gray') axes[1].set_title('Regional Minima') 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 −
