形態(tài)學(xué)處理，除了最基本的膨脹、腐蝕、開/閉運(yùn)算、黑/白帽處理外，還有一些更高級(jí)的運(yùn)用，如凸包，連通區(qū)域標(biāo)記，刪除小塊區(qū)域等。
1、凸包
凸包是指一個(gè)凸多邊形，這個(gè)凸多邊形將圖片中所有的白色像素點(diǎn)都包含在內(nèi)。
函數(shù)為：
skimage.morphology.convex_hull_image(image)
輸入為二值圖像，輸出一個(gè)邏輯二值圖像。在凸包內(nèi)的點(diǎn)為True, 否則為False
例：
import matplotlib.pyplot as pltfrom skimage import data,color,morphology#生成二值測試圖像img=color.rgb2gray(data.horse())img=(img<0.5)*1chull = morphology.convex_hull_image(img)#繪制輪廓fig, axes = plt.subplots(1,2,figsize=(8,8))ax0, ax1= axes.ravel()ax0.imshow(img,plt.cm.gray)ax0.set_title('original image')ax1.imshow(chull,plt.cm.gray)ax1.set_title('convex_hull image') 
convex_hull_image()是將圖片中的所有目標(biāo)看作一個(gè)整體，因此計(jì)算出來只有一個(gè)最小凸多邊形。如果圖中有多個(gè)目標(biāo)物體，每一個(gè)物體需要計(jì)算一個(gè)最小凸多邊形，則需要使用convex_hull_object（）函數(shù)。
函數(shù)格式：skimage.morphology.convex_hull_object(image,neighbors=8)
輸入?yún)?shù)image是一個(gè)二值圖像，neighbors表示是采用4連通還是8連通，默認(rèn)為8連通。
例：
import matplotlib.pyplot as pltfrom skimage import data,color,morphology,feature#生成二值測試圖像img=color.rgb2gray(data.coins())#檢測canny邊緣,得到二值圖片edgs=feature.canny(img, sigma=3, low_threshold=10, high_threshold=50) chull = morphology.convex_hull_object(edgs)#繪制輪廓fig, axes = plt.subplots(1,2,figsize=(8,8))ax0, ax1= axes.ravel()ax0.imshow(edgs,plt.cm.gray)ax0.set_title('many objects')ax1.imshow(chull,plt.cm.gray)ax1.set_title('convex_hull image')plt.show() 
2、連通區(qū)域標(biāo)記
在二值圖像中，如果兩個(gè)像素點(diǎn)相鄰且值相同（同為0或同為1），那么就認(rèn)為這兩個(gè)像素點(diǎn)在一個(gè)相互連通的區(qū)域內(nèi)。而同一個(gè)連通區(qū)域的所有像素點(diǎn)，都用同一個(gè)數(shù)值來進(jìn)行標(biāo)記，這個(gè)過程就叫連通區(qū)域標(biāo)記。在判斷兩個(gè)像素是否相鄰時(shí)，我們通常采用4連通或8連通判斷。在圖像中，最小的單位是像素，每個(gè)像素周圍有8個(gè)鄰接像素，常見的鄰接關(guān)系有2種：4鄰接與8鄰接。4鄰接一共4個(gè)點(diǎn)，即上下左右，如下左圖所示。8鄰接的點(diǎn)一共有8個(gè)，包括了對(duì)角線位置的點(diǎn)，如下右圖所示。
在skimage包中，我們采用measure子模塊下的label（）函數(shù)來實(shí)現(xiàn)連通區(qū)域標(biāo)記。
函數(shù)格式：
skimage.measure.label（image,connectivity=None)
參數(shù)中的image表示需要處理的二值圖像，connectivity表示連接的模式，1代表4鄰接，2代表8鄰接。
輸出一個(gè)標(biāo)記數(shù)組（labels), 從0開始標(biāo)記。
import numpy as npimport scipy.ndimage as ndifrom skimage import measure,colorimport matplotlib.pyplot as plt#編寫一個(gè)函數(shù)來生成原始二值圖像def microstructure(l=256): n = 5 x, y = np.ogrid[0:l, 0:l] #生成網(wǎng)絡(luò) mask = np.zeros((l, l)) generator = np.random.RandomState(1) #隨機(jī)數(shù)種子 points = l * generator.rand(2, n**2) mask[(points[0]).astype(np.int), (points[1]).astype(np.int)] = 1 mask = ndi.gaussian_filter(mask, sigma=l/(4.*n)) #高斯濾波 return mask > mask.mean()data = microstructure(l=128)*1 #生成測試圖片labels=measure.label(data,connectivity=2) #8連通區(qū)域標(biāo)記dst=color.label2rgb(labels) #根據(jù)不同的標(biāo)記顯示不同的顏色print('regions number:',labels.max()+1) #顯示連通區(qū)域塊數(shù)(從0開始標(biāo)記)fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(8, 4))ax1.imshow(data, plt.cm.gray, interpolation='nearest')ax1.axis('off')ax2.imshow(dst,interpolation='nearest')ax2.axis('off')fig.tight_layout()plt.show()在代碼中，有些地方乘以1，則可以將bool數(shù)組快速地轉(zhuǎn)換為int數(shù)組。
結(jié)果如圖：有10個(gè)連通的區(qū)域，標(biāo)記為0-9
如果想分別對(duì)每一個(gè)連通區(qū)域進(jìn)行操作，比如計(jì)算面積、外接矩形、凸包面積等，則需要調(diào)用measure子模塊的regionprops（）函數(shù)。該函數(shù)格式為：
skimage.measure.regionprops(label_image)
返回所有連通區(qū)塊的屬性列表，常用的屬性列表如下表：
| 屬性名稱 | 類型 | 描述 |
| area | int | 區(qū)域內(nèi)像素點(diǎn)總數(shù) |
| bbox | tuple | 邊界外接框(min_row, min_col, max_row, max_col) |
| centroid | array | 質(zhì)心坐標(biāo) |
| convex_area | int | 凸包內(nèi)像素點(diǎn)總數(shù) |
| convex_image | ndarray | 和邊界外接框同大小的凸包 |
| coords | ndarray | 區(qū)域內(nèi)像素點(diǎn)坐標(biāo) |
| Eccentricity | float | 離心率 |
| equivalent_diameter | float | 和區(qū)域面積相同的圓的直徑 |
| euler_number | int | 區(qū)域歐拉數(shù) |
| extent | float | 區(qū)域面積和邊界外接框面積的比率 |
| filled_area | int | 區(qū)域和外接框之間填充的像素點(diǎn)總數(shù) |
| perimeter | float | 區(qū)域周長 |
| label | int | 區(qū)域標(biāo)記 |
3、刪除小塊區(qū)域
有些時(shí)候，我們只需要一些大塊區(qū)域，那些零散的、小塊的區(qū)域，我們就需要?jiǎng)h除掉，則可以使用morphology子模塊的remove_small_objects（)函數(shù)。
函數(shù)格式：skimage.morphology.remove_small_objects(ar,min_size=64,connectivity=1,in_place=False)
參數(shù)：
ar: 待操作的bool型數(shù)組。
min_size: 最小連通區(qū)域尺寸，小于該尺寸的都將被刪除。默認(rèn)為64.
connectivity: 鄰接模式，1表示4鄰接，2表示8鄰接
in_place: bool型值，如果為True,表示直接在輸入圖像中刪除小塊區(qū)域，否則進(jìn)行復(fù)制后再刪除。默認(rèn)為False.
返回刪除了小塊區(qū)域的二值圖像。
import numpy as npimport scipy.ndimage as ndifrom skimage import morphologyimport matplotlib.pyplot as plt#編寫一個(gè)函數(shù)來生成原始二值圖像def microstructure(l=256): n = 5 x, y = np.ogrid[0:l, 0:l] #生成網(wǎng)絡(luò) mask = np.zeros((l, l)) generator = np.random.RandomState(1) #隨機(jī)數(shù)種子 points = l * generator.rand(2, n**2) mask[(points[0]).astype(np.int), (points[1]).astype(np.int)] = 1 mask = ndi.gaussian_filter(mask, sigma=l/(4.*n)) #高斯濾波 return mask > mask.mean()data = microstructure(l=128) #生成測試圖片dst=morphology.remove_small_objects(data,min_size=300,connectivity=1)fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(8, 4))ax1.imshow(data, plt.cm.gray, interpolation='nearest')ax2.imshow(dst,plt.cm.gray,interpolation='nearest')fig.tight_layout()plt.show()
在此例中，我們將面積小于300的小塊區(qū)域刪除（由1變?yōu)?），結(jié)果如下圖：
4、綜合示例：閾值分割+閉運(yùn)算+連通區(qū)域標(biāo)記+刪除小區(qū)塊+分色顯示
import numpy as npimport matplotlib.pyplot as pltimport matplotlib.patches as mpatchesfrom skimage import data,filter,segmentation,measure,morphology,color#加載并裁剪硬幣圖片image = data.coins()[50:-50, 50:-50]thresh =filter.threshold_otsu(image) #閾值分割bw =morphology.closing(image > thresh, morphology.square(3)) #閉運(yùn)算cleared = bw.copy() #復(fù)制segmentation.clear_border(cleared) #清除與邊界相連的目標(biāo)物label_image =measure.label(cleared) #連通區(qū)域標(biāo)記borders = np.logical_xor(bw, cleared) #異或label_image[borders] = -1image_label_overlay =color.label2rgb(label_image, image=image) #不同標(biāo)記用不同顏色顯示fig,(ax0,ax1)= plt.subplots(1,2, figsize=(8, 6))ax0.imshow(cleared,plt.cm.gray)ax1.imshow(image_label_overlay)for region in measure.regionprops(label_image): #循環(huán)得到每一個(gè)連通區(qū)域?qū)傩约? #忽略小區(qū)域 if region.area < 100: continue #繪制外包矩形 minr, minc, maxr, maxc = region.bbox rect = mpatches.Rectangle((minc, minr), maxc - minc, maxr - minr, fill=False, edgecolor='red', linewidth=2) ax1.add_patch(rect)fig.tight_layout()plt.show()
以上就是本文的全部內(nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持VEVB武林網(wǎng)。
新聞熱點(diǎn)
疑難解答
圖片精選
