Mahotas - 图像局部最小值

---

---

图像中的局部最小值指的是在局部邻域内像素强度最低的区域。局部邻域仅包含像素的直接邻居；因此，它在识别局部最小值时仅使用图像的一部分。

一张图像可以包含多个局部最小值，每个局部最小值具有不同的强度。发生这种情况是因为一个区域的强度可能低于其相邻区域，但它可能不是整个图像中强度最低的区域。

Mahotas 中的图像局部最小值

在 Mahotas 中，我们可以使用 **mahotas.locmin()** 函数找到图像的局部最小值。局部最小值区域是使用区域最小值找到的，区域最小值指的是强度值低于图像中所有相邻像素的区域。

mahotas.locmin() 函数

“mahotas.locmin()”函数以图像作为输入并找到局部最小值区域。它返回一个二值图像，其中每个局部最小值区域由 1 表示。该函数以以下方式工作以查找图像中的局部最小值：

• 它首先对输入图像应用形态学腐蚀以找到区域最小值点。

• 接下来，它将腐蚀后的图像与原始图像进行比较。如果原始图像中的像素强度较低，则该像素表示区域最小值。

• 最后，生成一个二值数组，其中 1 对应于局部最小值的存在，其他地方为 0。

语法

以下是 mahotas 中 locmin() 函数的基本语法：

mahotas.locmin(f, Bc={3x3 cross}, out={np.empty(f.shape, bool)})

其中，

• **f** - 它是要输入的灰度图像。

• **Bc（可选）** - 它是在用于连通性的结构元素。

• **out（可选）** - 它是由布尔数据类型组成的输出数组（默认为与 f 大小相同的新的数组）。

示例

在以下示例中，我们使用 mh.locmin() 函数获取图像的局部最小值。

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# Loading the image
image = mh.imread('sun.png')
# Converting it to grayscale
image = mh.colors.rgb2gray(image)
# Getting the local minima
local_minima = mh.locmin(image)
# Creating a figure and axes for subplots
fig, axes = mtplt.subplots(1, 2)
# Displaying the original image
axes[0].imshow(image, cmap='gray')
axes[0].set_title('Original Image')
axes[0].set_axis_off()
# Displaying the local minima
axes[1].imshow(local_minima, cmap='gray')
axes[1].set_title('Local Minima')
axes[1].set_axis_off()
# Adjusting spacing between subplots
mtplt.tight_layout()
# Showing the figures
mtplt.show()

输出

以下是上述代码的输出：

使用自定义结构元素

我们可以使用自定义结构元素来获取图像的局部最小值。结构元素是一个奇数维度的二值数组，由 1 和 0 组成，定义了邻域像素的连通性模式。

1 表示包含在连通性分析中的邻域像素，而 0 表示排除或忽略的邻居。

在 mahotas 中，我们可以使用自定义结构元素来定义局部最小值提取期间图像的邻域像素。它允许我们根据我们的要求找到局部最小值区域。

要使用结构元素，我们需要将其传递给 locmin() 函数的 **Bc** 参数。

例如，让我们考虑自定义结构元素：**[[1, 0, 0, 0, 1], [0, 1, 0, 1,0], [0, 0, 1, 0, 0], [0, 1, 0, 1, 1], [1, 0, 0, 1, 0]]**。此结构元素表示垂直、水平和对角线连通性。

这意味着对于图像中的每个像素，在局部最小值提取期间，只有垂直、水平或对角线位于其上方和下方的像素被视为其邻居。

示例

在下面的示例中，我们定义了一个自定义结构元素来获取图像的局部最小值。

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# Loading the image
image = mh.imread('nature.jpeg')
# Converting it to grayscale
image = mh.colors.rgb2gray(image)
# Setting custom structuring element
struct_element = np.array([[1, 0, 0, 0, 1],
[0, 1, 0, 1, 0],
[0, 0, 1, 0, 0],
[0, 1, 0, 1, 1],
[1, 0, 0, 1, 0]])
# Getting the local minima
local_minima = mh.locmin(image, Bc=struct_element)
# Creating a figure and axes for subplots
fig, axes = mtplt.subplots(1, 2)
# Displaying the original image
axes[0].imshow(image, cmap='gray')
axes[0].set_title('Original Image')
axes[0].set_axis_off()
# Displaying the local minima
axes[1].imshow(local_minima, cmap='gray')
axes[1].set_title('Local Minima')
axes[1].set_axis_off()
# Adjusting spacing between subplots
mtplt.tight_layout()
# Showing the figures
mtplt.show()

输出

上述代码的输出如下：

使用二值图像

我们还可以找到二值图像中的局部最小值。二值图像是一幅图像，其中每个像素由 1 或 0 表示，分别表示前景或背景。可以使用 numpy 库中的 array() 函数创建二值图像。

在 mahotas 中，我们可以使用 locmin() 函数查找二值图像的局部最小值区域。由于二值图像仅包含 1 和 0，因此具有值 1 的像素将被视为局部最小值，因为前景像素的强度小于背景像素。

例如，假设从以下数组创建了一个二值图像：**[[0, 1, 0, 0], [1, 0, 1, 0], [0, 1, 0, 0], [1, 0, 1, 0]]**。然后数组中 1 的数量将决定局部最小值区域的数量。因此，第一个数组将有 1 个局部最小值区域，第二个数组将有 2 个局部最小值区域，依此类推。

示例

在这里，我们获取二值图像中的局部最小值。

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# Creating a binary image
binary_image = np.array([[0, 1, 0, 0],
[1, 0, 1, 0],
[0, 1, 0, 0],
[1, 0, 1, 0]], dtype=np.uint8)
# Getting the local minima
local_minima = mh.locmin(binary_image)
# Creating a figure and axes for subplots
fig, axes = mtplt.subplots(1, 2)
# Displaying the binary image
axes[0].imshow(binary_image, cmap='gray')
axes[0].set_title('Binary Image')
axes[0].set_axis_off()
# Displaying the local minima
axes[1].imshow(local_minima, cmap='gray')
axes[1].set_title('Local Minima')
axes[1].set_axis_off()
# Adjusting spacing between subplots
mtplt.tight_layout()
# Showing the figures
mtplt.show()

输出

执行上述代码后，我们得到以下输出：