Mahotas - 显示图像形状

---

---

在处理图像数据时，有些情况下我们需要显示图像的形状。

显示图像的形状是指揭示图像的维度和特征，例如图像的宽度、高度和颜色通道；其中高度对应于行数，宽度对应于列数，通道表示图像中颜色通道的数量（例如，RGB 图像为 3）。

在 Mahotas 中显示图像形状

在 mahotas 中，我们可以使用表示图像的 NumPy 数组的 shape 属性来显示图像的形状。通过访问此属性，我们可以获得图像的维度，并根据其形状确定要执行的操作。

让我们讨论 Mahotas 提供的不同步骤和函数来提取和可视化形状信息，以及一些实际示例。

步骤 1：导入和加载图像

首先，我们需要导入 Mahotas 库并加载我们要分析的图像。Mahotas 安装完成后，我们就可以开始进行图像形状分析了。

步骤 2：显示图像的形状

要在 mahotas 中显示图像的形状，我们可以使用 NumPy 数组的 shape 属性。

shape 属性返回一个表示数组维度的整数元组。对于图像，它将提供有关其宽度、高度和通道的信息。

image_shape = image.shape
print("Image Shape:", image_shape)

这将以 (高度，宽度，通道) 的格式打印加载图像的形状。

步骤 3：提取单个维度

当我们谈论在 Mahotas 中提取形状的单个维度时，指的是获取有关图像大小和颜色分量的特定信息。

简单来说，图像具有不同的属性，例如高度、宽度和颜色通道数（例如红色、绿色和蓝色）。提取单个维度意味着分别隔离和获取这些特定的信息片段。

height = image_shape[0]
width = image_shape[1]
channels = image_shape[2]
print("Height:", height)
print("Width:", width)
print("Channels:", channels)

通过执行此代码，我们将使用索引访问图像的维度，其中：

• 第一个索引对应于高度，

• 第二个索引对应于宽度，

• 第三个索引对应于通道数。

这将给出图像的单个维度。

步骤 4：检查灰度图像

灰度图像是黑白图像，其中每个像素表示该特定点的强度或亮度。它没有任何颜色信息。可以把它想象成黑白照片。

有时，我们会遇到灰度图像，它们只有一个通道，而不是彩色图像通常的三个通道（红色、绿色和蓝色）。要确定图像是否是灰度图像，我们可以检查通道数是否等于 1。

is_grayscale = channels == 1
if is_grayscale:
   print("The image is grayscale.")
else:
   print("The image is not grayscale.")

通过执行此代码，您可以确定加载的图像是否为灰度图像。根据结果，我们可以继续进行相应的分析。

步骤 5：在图像上显示形状信息

现在，让我们探索如何在图像本身显示形状信息。我们可以绘制形状或添加文本叠加来突出显示特定的形状特征。这在以带注释的形状信息显示或保存图像时非常有用。

import matplotlib.pyplot as plt
# Create a figure and axes
fig, ax = plt.subplots()
# Display the image
ax.imshow(image)
# Add text for shape information
ax.text(10, 20, f"Shape: {image_shape}", color='white', fontsize=10,
bbox=dict(facecolor='black'))
# Remove axis ticks
ax.set_xticks([])
ax.set_yticks([])
# Show the figure
plt.show()

当我们执行此代码时，它将显示图像，并在其上叠加形状信息。形状信息将位于指定坐标处，文本将以白色显示在黑色边框上，使其在图像上更易于查看。

完整示例

现在，让我们看看包含上面讨论的所有步骤的完整代码 -

# Installing the library
import mahotas as ms
import matplotlib.pyplot as mtplt
# Loading the image
image = ms.imread('sun.png')
# Displaying the shape of an image
image_shape = image.shape
print("Image Shape:", image_shape)
# Extracting individual dimensions
height = image_shape[0]
width = image_shape[1]
channels = image_shape[2]
print("Height:", height)
print("Width:", width)
print("Channels:", channels)
# Checking if the image is grayscale
is_grayscale = channels == 1
if is_grayscale:
   print("The image is grayscale.")
else:
   print("The image is not grayscale.")
# Create a figure and axis
fig, ax = mtplt.subplots()
# Display the image
ax.imshow(image)
# Add text for shape information
ax.text(350, 200, f"Shape: {image_shape}", color='white', fontsize=8,
bbox=dict(facecolor='green'))
# Remove axis ticks
ax.set_xticks([])
ax.set_yticks([])
# Display the image
ax.imshow(image)
# Add text overlay for dimensions
text = f"Dimensions: {width}x{height}x{channels}" if not is_grayscale else
f"Dimensions: {width}x{height} (Grayscale)"
ax.text(18, 100, text, color='red', fontsize=12, fontweight='bold')
# Remove axis ticks and labels
ax.axis('off')
# Show the image with shape information
mtplt.show()

输出

执行上述代码后，我们将获得以下输出 -

Image Shape: (1280, 843, 3)
Height: 1280
Width: 843
Channels: 3
The image is not grayscale.