Mahotas - 图像区域最大值

---

---

区域最大值指的是图像中像素强度值最高的点。在一幅图像中，构成区域最大值的区域是所有其他区域中最亮的。区域最大值也称为全局最大值。

区域最大值考虑整幅图像，而局部最大值只考虑局部邻域，以查找强度值最高的像素。

区域最大值是局部最大值的一个子集，因此所有区域最大值都是局部最大值，但并非所有局部最大值都是区域最大值。

一幅图像可以包含多个区域最大值，但所有区域最大值的强度都相同。这是因为区域最大值只考虑最高的强度值。

Mahotas中的图像区域最大值

在Mahotas中，我们可以使用mahotas.regmax()函数查找图像中的区域最大值。区域最大值通过图像中的强度峰值来识别，因为它们代表高强度区域。

区域最大值点突出显示为白色，而其他点则为黑色。

mahotas.regmax()函数

mahotas.regmax()函数从输入的灰度图像中提取区域最大值。

它输出一个图像，其中1代表区域最大值点的存在，0代表普通点。

regmax()函数使用基于形态学重建的方法来查找区域最大值。在这种方法中，每个局部最大值区域的强度值与其邻居进行比较。

如果发现邻居具有更高的强度，则它成为新的区域最大值。此过程持续进行，直到没有更高强度区域剩余，表明已达到区域最大值。

语法

以下是Mahotas中regmax()函数的基本语法：

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

其中，

• f - 输入灰度图像。

• Bc (可选) - 用于连接的结构元素。

• out (可选) - 布尔数据类型的输出数组（默认为与f大小相同的新的数组）。

示例

在下面的示例中，我们使用mh.regmax()函数获取图像的区域最大值。

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# Loading the image
image = mh.imread('tree.tiff')
# Converting it to grayscale
image = mh.colors.rgb2gray(image)
# Getting the regional maxima
regional_maxima = mh.regmax(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 regional maxima
axes[1].imshow(regional_maxima, cmap='gray')
axes[1].set_title('Regional Maxima')
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

我们还可以使用自定义结构元素来从图像中获取区域最大值。结构元素是一个奇数维度的二元数组，由1和0组成，它定义了图像标记期间邻域像素的连接模式。

1表示包含在连接性分析中的相邻像素，而0表示被排除或忽略的邻居。

在Mahotas中，提取区域最大值区域时，我们可以使用自定义结构元素来定义相邻像素的连接性。我们首先使用numpy.array()函数创建一个奇数维度的结构元素。

然后，我们将此自定义结构元素输入到regmax()函数的Bc参数中。

例如，让我们考虑自定义结构元素：[[0, 0, 0, 0, 1], [0, 0, 1, 0, 0], [1, 0, 0, 0, 0], [0, 0, 0, 1, 0], [0, 1, 0, 0, 0]]。 此结构元素暗示水平连接，即，只有水平位于另一个像素左侧或右侧的像素才被视为其邻居。

示例

在这个例子中，我们使用自定义结构元素来获取图像的区域最大值。

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)
# Setting custom structuring element
struct_element = np.array([[0, 0, 0, 0, 1],
[0, 0, 1, 0, 0],
[1, 0, 0, 0, 0],
[0, 0, 0, 1, 0],
[0, 1, 0, 0, 0]])
# Getting the regional maxima
regional_maxima = mh.regmax(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 regional maxima
axes[1].imshow(regional_maxima, cmap='gray')
axes[1].set_title('Regional Maxima')
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：

使用图像的特定区域

我们还可以找到图像特定区域的区域最大值。图像的特定区域是指较大图像的一小部分。可以通过裁剪原始图像来去除不需要的区域，从而提取特定区域。

在Mahotas中，我们可以在图像的一部分中找到区域最大值。首先，我们通过指定x轴和y轴所需的尺寸来裁剪原始图像。然后我们使用裁剪后的图像并使用regmax()函数获取区域最大值。

例如，假设我们将[:800, 70:]指定为x轴和y轴的尺寸。然后，裁剪后的图像的x轴范围为0到800像素，y轴范围为70到最大尺寸。

示例

在这个例子中，我们正在获取图像特定区域内的区域最大值。

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)
# Using specific region of the image
image = image[:800, 70:]
# Getting the regional maxima
regional_maxima = mh.regmax(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 regional maxima
axes[1].imshow(regional_maxima, cmap='gray')
axes[1].set_title('Regional Maxima')
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：