Mahotas - 图像的质心

质心是指物体质量的平均位置。它是一个物体总质量集中的点。简单来说，它代表物体的平衡点。如果物体是均匀且对称的，则质心在其几何中心，否则不是。

Mahotas 中的图像质心

Mahotas 中的质心是通过为物体的每个像素分配一个质量值，然后计算这些质量值的平均位置来确定的。这将导致质心的坐标，指示物体在图像中的质心的位置。

使用 mahotas.center_of_mass() 函数

mahotas.center_of_mass() 函数用于查找图像的质心。它计算图像中像素强度的平均位置（作为坐标元组），提供了一个衡量图像“中心”位置的指标。

以下是 mahotas 中 center_of_mass() 函数的基本语法：

mahotas.center_of_mass(image)

其中，image 指的是要查找质心的输入图像。

示例

在下面的示例中，我们正在计算图像“nature.jpeg”的质心：

import mahotas as ms
import numpy as np
# Loading the image
image = ms.imread('nature.jpeg')
# Calculating the center of mass
com = ms.center_of_mass(image)
# Printing the center of mass
print("Center of mass of the image is:", com)

输出

质心由一个 3D 坐标表示，形式为 [x, y, z]，如下面的输出所示：

Center of mass of the image is: [474.10456551 290.26772015 0.93327202]

使用 NumPy 函数计算质心

NumPy 函数是 NumPy 库中内置的工具，让您能够轻松地在 Python 中执行数组操作和数学计算。

要在 Mahotas 中使用 NumPy 函数计算质心，我们需要确定图像“权重”的平均位置。这是通过将每个像素的 x 和 y 坐标乘以它们的强度值，对这些加权坐标求和，然后将结果除以强度的总和来实现的。

以下是使用 numpy 函数计算图像质心的基本语法：

com = np.array([np.sum(X * Y), np.sum(A * B)]) / np.sum(C)

其中，'X' 和 'Y' 表示坐标数组，'A' 和 'B' 表示与坐标相关联的值或强度的数组，'C' 指的是表示值或强度总和的数组。

示例

在这里，我们正在使用创建一个单一的坐标数组。coords 的第一个维度表示 y 坐标，第二个维度表示 x 坐标。然后，我们在计算加权和时访问coords[1]以获取 x 坐标和coords[0]以获取 y 坐标：

import mahotas as mh
import numpy as np
# Loading the image
image = mh.imread('tree.tiff')
# Creating a single coordinate array
coords = np.indices(image.shape)
# Calculating the weighted sum of x and y coordinates
com = np.array([np.sum(coords[1] * image), np.sum(coords[0] * image)]) /
np.sum(image)
# Printing the center of mass
print("Center of mass:", com)

输出

以下是上述代码的输出：

Center of mass: [ 7.35650493 -3.83720823]

特定区域的质心

特定区域的质心是图像中感兴趣的区域（面积）。这可能是特定区域，例如边界框或选定的区域。

特定区域的质心是通过取 ROI（感兴趣区域）中每个像素的 x 和 y 坐标的加权平均值来计算的，其中权重是像素强度。质心作为两个值的元组返回，分别表示 x 和 y 坐标。

示例

以下是如何计算灰度图像的感兴趣区域的质心的示例：

import mahotas as mh
import numpy as np
# Load a grayscale image
image = mh.imread('nature.jpeg', as_grey=True)
# Defining a region of interest
roi = image[30:90, 40:85]
# Calculating the center of mass of the ROI
center = mh.center_of_mass(roi)
print(center)

输出

上述代码的输出如下所示：

[29.50213372 22.13203391]

打印页面