Mahotas - 图像区域极小值

---

---

图像中的区域极小值是指像素强度值最低的点。在图像中，形成区域极小值的区域是所有其他区域中最暗的。区域极小值也称为全局极小值。

区域极小值考虑整个图像，而局部极小值仅考虑局部邻域，以找到强度最低的像素。

区域极小值是局部极小值的一个子集，因此所有区域极小值都是局部极小值，但并非所有局部极小值都是区域极小值。

一张图像可以包含多个区域极小值，但所有区域极小值的强度都相同。发生这种情况是因为区域极小值只考虑最低强度值。

Mahotas 中的图像区域极小值

在 Mahotas 中，我们可以使用 **mahotas.regmin()** 函数来查找图像中的区域极小值。区域极小值通过图像内的强度谷来识别，因为它们表示低强度区域。

区域极小值点以白色突出显示在黑色背景上，黑色背景表示正常点。

mahotas.regmin() 函数

mahotas.regmax() 函数从输入灰度图像获取区域极小值。它输出一个图像，其中 1 表示区域极小值点的存在，0 表示正常点。

regmin() 函数使用基于形态学重建的方法来查找区域极小值。在这里，每个局部极小值区域的强度值与其相邻的局部极小值区域进行比较。

如果发现邻居具有较低的强度，则它将成为新的区域极小值。此过程持续进行，直到没有强度较低的区域剩余，这表明已识别出区域极小值。

语法

以下是 mahotas 中 regmin() 函数的基本语法：

mahotas.regmin(f, Bc={3×3 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

在以下示例中，我们使用 mh.regmin() 函数获取图像的区域极小值。

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)
# Getting the regional minima
regional_minima = mh.regmin(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 minima
axes[1].imshow(regional_minima, cmap='gray')
axes[1].set_title('Regional 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

我们还可以使用自定义结构元素从图像中获取区域极小值。

在 Mahotas 中，从图像中获取区域极小值时，我们可以使用自定义结构元素来定义相邻像素的连接方式。我们可以使用它来根据我们的需要获取结果图像。可以通过将结构元素传递给 regmin() 函数中的 **Bc** 参数来实现。

例如，让我们考虑自定义结构元素：**[[1, 1, 1, 1, 0], [1, 1, 0, 1,1], [0, 1, 1, 1, 1], [1, 1, 1, 0, 1], [1, 0, 1, 1, 1]]。**此结构元素表示水平和垂直连接。这意味着只有水平左侧或右侧以及垂直上方或下方的像素被视为其邻居。

示例

在这里，我们使用自定义结构元素来获取图像的区域极小值。

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

使用图像的特定区域

我们还可以找到图像特定区域的区域极小值。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以去除不必要的区域来提取特定区域。

在 Mahotas 中，我们可以使用图像的一部分并获取其区域极小值。首先，我们通过提供 x 和 y 轴的尺寸从原始图像中获取特定区域。

然后我们使用裁剪后的图像并使用 regmin() 函数获取区域极小值。

例如，假设我们将 **[:900, :800]** 指定为 x 和 y 轴的尺寸。然后，特定区域将在 x 轴的 0 到 900 像素和 y 轴的 0 到 800 像素范围内。

示例

在下面提到的示例中，我们正在获取图像特定区域内的区域极小值。

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)
# Using specific regions of the image
image = image[:900, :800]
# Getting the regional minima
regional_minima = mh.regmin(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 minima
axes[1].imshow(regional_minima, cmap='gray')
axes[1].set_title('Regional 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，我们将得到以下输出：