- Mahotas 教程
- Mahotas - 首页
- Mahotas - 简介
- Mahotas - 计算机视觉
- Mahotas - 历史
- Mahotas - 特性
- Mahotas - 安装
- Mahotas 处理图像
- Mahotas - 处理图像
- Mahotas - 加载图像
- Mahotas - 加载灰度图像
- Mahotas - 显示图像
- Mahotas - 显示图像形状
- Mahotas - 保存图像
- Mahotas - 图像的质心
- Mahotas - 图像卷积
- Mahotas - 创建 RGB 图像
- Mahotas - 图像的欧拉数
- Mahotas - 图像中零值的比例
- Mahotas - 获取图像矩
- Mahotas - 图像中的局部最大值
- Mahotas - 图像椭圆轴
- Mahotas - 图像拉伸 RGB
- Mahotas 颜色空间转换
- Mahotas - 颜色空间转换
- Mahotas - RGB 到灰度转换
- Mahotas - RGB 到 LAB 转换
- Mahotas - RGB 到 Sepia 转换
- Mahotas - RGB 到 XYZ 转换
- Mahotas - XYZ 到 LAB 转换
- Mahotas - XYZ 到 RGB 转换
- Mahotas - 增加伽马校正
- Mahotas - 拉伸伽马校正
- Mahotas 标记图像函数
- Mahotas - 标记图像函数
- Mahotas - 标记图像
- Mahotas - 过滤区域
- Mahotas - 边界像素
- Mahotas - 形态学操作
- Mahotas - 形态学算子
- Mahotas - 查找图像平均值
- Mahotas - 裁剪图像
- Mahotas - 图像的偏心率
- Mahotas - 图像叠加
- Mahotas - 图像的圆度
- Mahotas - 调整图像大小
- Mahotas - 图像直方图
- Mahotas - 膨胀图像
- Mahotas - 腐蚀图像
- Mahotas - 分水岭算法
- Mahotas - 图像开运算
- Mahotas - 图像闭运算
- Mahotas - 填充图像孔洞
- Mahotas - 条件膨胀图像
- Mahotas - 条件腐蚀图像
- Mahotas - 图像条件分水岭
- Mahotas - 图像中的局部最小值
- Mahotas - 图像区域最大值
- Mahotas - 图像区域最小值
- Mahotas - 高级概念
- Mahotas - 图像阈值化
- Mahotas - 设置阈值
- Mahotas - 软阈值
- Mahotas - Bernsen 局部阈值化
- Mahotas - 小波变换
- 创建图像小波中心
- Mahotas - 距离变换
- Mahotas - 多边形工具
- Mahotas - 局部二值模式
- 阈值邻域统计
- Mahotas - Haralic 特征
- 标记区域的权重
- Mahotas - Zernike 特征
- Mahotas - Zernike 矩
- Mahotas - 排序滤波器
- Mahotas - 2D 拉普拉斯滤波器
- Mahotas - 多数滤波器
- Mahotas - 均值滤波器
- Mahotas - 中值滤波器
- Mahotas - Otsu 方法
- Mahotas - 高斯滤波
- Mahotas - 击中击不中变换
- Mahotas - 标记最大值数组
- Mahotas - 图像的平均值
- Mahotas - SURF 密集点
- Mahotas - SURF 积分
- Mahotas - Haar 变换
- 突出显示图像最大值
- 计算线性二值模式
- 获取标签边界
- 反转 Haar 变换
- Riddler-Calvard 方法
- 标记区域的大小
- Mahotas - 模板匹配
- 加速鲁棒特征
- 去除带边框的标签
- Mahotas - Daubechies 小波
- Mahotas - Sobel 边缘检测
Mahotas - 图像中零值的比例
图像中零值的比例指的是零值像素相对于图像中像素总数的比例。在图像中,每个像素通常表示网格中的一个点,像素值可以从 0 到最大值,具体取决于图像的颜色深度或强度范围。
高比例的零值表明图像的很大一部分包含空区域或背景区域,而低比例的零值则表明非零像素值的分布更密集,这意味着更详细或更复杂的内容。
Mahotas 中图像中零值的比例
为了在 Mahotas 中获得图像中零值的比例,我们需要遍历整个图像并将零像素的数量除以图像中的像素总数。
像素总数等于图像的行数乘以列数。
Mahotas 没有直接计算零值比例的函数。但是,您可以使用 numpy 和 mahotas 库来计算它。
示例
在下面的示例中,我们通过将图像数组与零进行比较来计算图像中零值像素的比例,对 True 值求和,然后除以像素总数 -
import mahotas as mh import numpy as np image = mh.imread('sun.png') # Calculating the fraction of zeros fraction_of_zeros = np.sum(image == 0) / np.prod(image.shape) print(f"Fraction of zeros: {fraction_of_zeros}")
输出
执行上述代码后,我们将得到以下输出 -
Fraction of zeros: 0.009496713127718466
使用 count_nonzero() 函数
我们还可以使用 mahotas 中的 **count_nonzero()** 函数计算图像中零值的比例。count_nonzero() 函数用于计算数组中非零元素的数量。它接受一个数组作为输入并返回非零元素的总数。
语法
以下是 mahotas 中 count_nonzero() 函数的基本语法 -
count_nonzero(arr, axis=None)
其中,
**arr -** 它是需要计算非零元素的输入数组。
**axis (可选) -** 它是计算非零元素的轴或轴。如果未指定 axis,则会考虑输入数组的所有元素。
示例
在这里,我们使用 np.count_nonzero() 函数计算图像“nature.jpeg”的像素数量 -
import mahotas as mh import numpy as np image = mh.imread('nature.jpeg') # Counting the number of zero pixels zero_count = np.count_nonzero(image == 0) # Calculating the fraction of zeros total_pixels = image.size fraction_of_zeros = zero_count / total_pixels print("The fraction of zeros in the image is:", {fraction_of_zeros})
输出
上述代码的输出如下 -
The fraction of zeros in the image is: {0.010734258862206976}
使用 Numpy
NumPy 库提供了用于处理数组和矩阵的高效数据结构和函数。由于其高性能和广泛的功能,它被广泛用于数学运算、数据处理和科学计算等任务。
我们还可以使用 numpy 操作计算零值的比例 -
- 首先,将 NumPy 数组与零进行比较以将图像转换为二进制形式。
- 此比较生成一个布尔数组,其中每个元素如果对应的像素值大于零则为 True,否则为 False。
然后将布尔数组转换为“np.uint8”数据类型,从而生成一个二进制图像,其中白色像素由 1 表示,黑色像素由 0 表示。
为了计算零值的比例,计算二进制图像中零值元素的数量。将此计数除以二进制图像中的元素总数以获得比例。
示例
在这里,我们首先将图像转换为二进制表示。然后,我们计算二进制图像中零值的比例 -
import mahotas as mh import numpy as np image = mh.imread('tree.tiff') # Convert the image to binary image_binary = (image > 0).astype(np.uint8) # Calculate the fraction of zeros fraction_of_zeros = np.sum(image_binary == 0) / np.prod(image_binary.shape) print("Fraction of zeros:", fraction_of_zeros)
输出
上述代码的输出如下 -
Fraction of zeros: 0.014683837192681532