у меня есть такое изображение:
после того, как я скелетонизирую его с помощью функции скелетонирования изображения scikit
from skimage import morphology
out = morphology.skeletonize(gray>0)
Есть ли способ подсчета количества черных пробелов? (на этой картинке шесть) кроме фона в scikit-image или mahotas?
С этим вводом:
Ты можешь сделать:
>>> from skimage import morphology
>>> import numpy as np
>>> from scipy.misc import imread
>>> im = imread("Bju1h.png")
>>> im = im > 0
>>> np.unique(morphology.label(im))
array([0, 1, 2, 3, 4, 5, 6, 7])
>>> num_components = len(np.unique(morphology.label(im))) - 2
>>> num_components
6
Я вычитаю 2, чтобы игнорировать компонент фона и компонент переднего плана/линии. Из вашего исходного изображения вы можете пропустить шаг скелетирования и просто запустить его с помощью im = gray > 0, так как широкий передний план/линия все равно будет помечен как один компонент.
label определяет, связаны ли пиксели, если вы выберете 8-соединенные области, они будут перетекать через тонкие зубчатые границы, а если вы выберете 4-соединенные области, вы получите слишком много областей, так как для переднего плана будет несколько меток. Эта проблема не проявлялась во входных данных, которые я использовал выше, поскольку изначально изображение было увеличено и сжато в формате jpeg. Я могу опубликовать выдумку, чтобы обойти это, но...
- person YXD; 07.01.2014
Решение только с scipy.ndimage
from scipy import ndimage as nd
from matplotlib import pyplot as plt
star = nd.imread('/home/jeanpat/Images/star.jpg')
star = star[:,:,0]
thr = star < 120
anti = star >119
mask = nd.morphology.binary_fill_holes(thr)
lab, n = nd.label(anti*mask)
plt.title(str(n)+' objects detected')
plt.imshow(lab)
plt.show()
