Mahotas - 图像小波中心化

---

---

图像小波中心化是指将图像的小波系数移动到小波中心，小波中心是小波达到最大幅度的点。小波系数是表示不同频率对图像贡献的数值。

通过使用小波变换将图像分解成单个波来获得小波系数。通过对系数进行中心化，可以将低频和高频与中心频率对齐，从而去除图像中的噪声。

在 Mahotas 中进行图像小波中心化

在 Mahotas 中，我们可以使用 **mahotas.wavelet_center()** 函数对图像进行小波中心化以减少噪声。该函数执行两个主要步骤来进行图像小波中心化，如下所示：

• 首先，它将原始图像的信号分解成小波系数。

• 接下来，它获取近似系数（即低频系数），并将它们与中心频率对齐。

通过对齐频率，消除了图像的平均强度，从而去除了噪声。

mahotas.wavelet_center() 函数

mahotas.wavelet_center() 函数以图像作为输入，并返回一个新的图像，其中小波中心位于原点。

它使用小波变换分解（拆分）原始输入图像，然后将小波系数移动到频谱中心。

在查找图像小波中心时，该函数会忽略指定像素大小的边界区域。

语法

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

mahotas.wavelet_center(f, border=0, dtype=float, cval=0.0)

其中，

• **f** - 输入图像。

• **border (可选)** - 边界区域的大小（默认为 0 或无边界）。

• **dtype (可选)** - 返回图像的数据类型（默认为 float）。

• **cval (可选)** - 用于填充边界区域的值（默认为 0）。

示例

在以下示例中，我们使用 mh.wavelet_center() 函数对图像进行小波中心化。

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)
# Centering the image
centered_image = mh.wavelet_center(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 centered image
axes[1].imshow(centered_image, cmap='gray')
axes[1].set_title('Centered Image')
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：

使用边界进行中心化

我们可以使用边界对图像进行小波中心化以操作输出图像。边界区域是指图像中围绕对象的区域。它将对象与背景区域或相邻对象隔开。

在 mahotas 中，我们可以通过将像素值设置为零来定义在进行小波中心化时不应考虑的区域。这是通过将值传递给 mahotas.wavelet_center() 函数的 **border** 参数来完成的。

在进行图像小波中心化时，该函数会忽略参数中指定数量的像素。例如，如果 border 参数设置为 500，则在中心化图像小波时，所有侧面的 500 个像素将被忽略。

示例

在下面提到的示例中，我们在中心化图像小波时忽略了一定大小的边界。

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# Loading the image
image = mh.imread('sea.bmp')
# Converting it to grayscale
image = mh.colors.rgb2gray(image)
# Centering the image with border
centered_image = mh.wavelet_center(image, border=500)
# 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 centered image
axes[1].imshow(centered_image, cmap='gray')
axes[1].set_title('Centered Image')
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：

通过应用填充进行中心化

我们还可以通过应用填充来填充边界区域以某种灰度来进行中心化。

填充是指在图像边缘周围添加额外的像素值以创建边界的技术。

在 mahotas 中，可以通过为 mahotas.wavelet_center() 函数的 **cval** 参数指定一个值来应用填充。它允许我们用一种颜色填充边界区域，其值范围从 0（黑色）到 255（白色）。

**注意** - 只有在存在边界区域时才能应用填充。因此，border 参数的值不应为 0。

示例

在这里，我们忽略了一定像素大小的边界并应用填充来中心化图像小波。

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)
# Centering the image with border
centered_image = mh.wavelet_center(image, border=100, cval=109)
# 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 centered image
axes[1].imshow(centered_image, cmap='gray')
axes[1].set_title('Centered Image')
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，我们将得到以下输出：