Mahotas - 阈值邻域统计

阈值邻域统计 (TAS) 是一种从图像中提取重要信息的技巧。在了解 TAS 的工作原理之前，让我们简要了解一下阈值化。

阈值化是一种根据特定值（阈值）将图像分割为前景区域和背景区域的技术。前景区域包含强度值大于阈值的像素。

另一方面，背景区域包含强度值小于阈值的像素。

TAS 通过计算强度值超过阈值的像素数量来工作。此外，它还考虑了指定数量的相邻像素，其强度值也超过阈值。

Mahotas 中的阈值邻域统计

在 Mahotas 中，我们可以使用 mahotas.tas() 和 mahotas.pftas() 函数来计算图像的阈值邻域统计。然后，可以使用计算出的统计数据来定位和提取图像中的重要信息。

tas() 函数和 pftas() 函数之间唯一的区别在于，在 pftas() 函数中，我们可以设置任何用于计算 TAS 的阈值。

相反，tas() 函数不使用阈值来计算 TAS。

mahotas.tas() 函数

mahotas.tas() 函数接收图像作为输入，并返回包含阈值邻域统计信息的列表。

语法

以下是 mahotas 中 tas() 函数的基本语法：

mahotas.features.tas(img)

其中：

img - 输入图像。

示例

在下面提到的示例中，我们使用 mh.tas() 函数计算图像的 TAS 值。

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# Loading the images
image = mh.imread('sun.png')
# Computing TAS
tas = mh.features.tas(image)
# Printing the TAS value
print(tas)
# Creating a figure and axes for subplots
fig, axes = mtplt.subplots(1, 1)
# Displaying the original image
axes.imshow(image, cmap='gray')
axes.set_title('Original Image')
axes.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：

[8.37835351e-01 1.15467657e-02 1.39075269e-02 9.92426122e-03
1.03643093e-02  6.76089647e-03 1.09572672e-02 6.88336269e-03
8.17548510e-03  6.01115411e-02 6.08145111e-03 5.10483489e-03
4.16108390e-03  2.81568522e-03 1.77506830e-03 1.46786490e-03
6.81867008e-04  6.12677053e-04 2.44932441e-04 2.76759821e-04
. . .
4.27349413e-03  7.01932689e-03 4.50541370e-03 5.45604649e-03
6.41356563e-02  4.43892481e-03 4.80936290e-03 4.46979465e-03
3.91413752e-03  2.33898410e-03 3.27299467e-03 1.12872803e-03
2.06353013e-03  4.92334385e-04 1.22371215e-03 1.14772485e-04
6.03149199e-04  3.32444440e-05 3.26112165e-04 1.18730157e-05
1.28228570e-04  0.00000000e+00]

我们得到以下输出图像：

mahotas.pftas() 函数

mahotas.pftas() 函数接收图像和阈值作为输入。它返回包含阈值邻域统计信息的列表。

语法

以下是 mahotas 中 pftas() 函数的基本语法：

mahotas.features.pftas(img, T={mahotas.threshold.otsu(img)})

其中：

img - 输入图像。
T (可选) - 它定义了 TAS 中使用的阈值算法（默认情况下它使用 Otsu 方法）。

示例

在下面的示例中，我们使用 mh.pftas() 函数计算图像的 TAS。

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# Loading the images
image = mh.imread('nature.jpeg')
# Converting it to grayscale
image = mh.colors.rgb2gray(image).astype(np.uint8)
# Computing parameter free TAS
pftas = mh.features.pftas(image)
# Printing the parameter free TAS value
print(pftas)
# Creating a figure and axes for subplots
fig, axes = mtplt.subplots(1, 1)
# Displaying the original image
axes.imshow(image, cmap='gray')
axes.set_title('Original Image')
axes.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：

[9.57767091e-01 1.48210628e-02  8.58153775e-03  1.18217967e-02
3.89970314e-03  1.86659948e-03  7.82131473e-04  3.19863291e-04
1.40214046e-04  9.73817262e-01  1.23385295e-02  5.89271152e-03
4.39412383e-03  1.90987201e-03  8.34387151e-04  4.60922081e-04
2.31642892e-04  1.20548852e-04  9.77691695e-01  8.29460231e-03
3.91949031e-03  7.21369229e-03  1.68522833e-03  7.53014919e-04
3.10737802e-04  1.12475646e-04  1.90636688e-05  9.47186804e-01
1.14563743e-02  9.65510102e-03  1.76918166e-02  5.35205921e-03
3.38515157e-03  2.13944340e-03  1.88754119e-03  1.24570817e-03
9.80623501e-01  3.72244140e-03  2.75392589e-03  4.22681210e-03
2.28359248e-03  1.92155953e-03  1.72971300e-03  1.63378974e-03
1.10466466e-03  9.59139669e-01  7.94832237e-03  7.15439233e-03
1.68349257e-02  3.75312384e-03  1.74123294e-03  9.83390623e-04
1.06007705e-03  1.38486661e-03]

获得的图像是：

使用平均阈值

我们还可以使用平均阈值来计算图像的阈值邻域统计。平均阈值是指通过取图像的平均像素强度值来计算的阈值。

简单来说，阈值是通过将图像中所有像素的强度值相加，然后将该总和除以图像中像素的总数来计算的。

在 mahotas 中，我们首先使用 mean() 函数计算平均阈值。然后，我们将此值设置为 pftas() 函数的 T 参数中，以使用平均阈值计算 TAS。

示例

在这里，我们使用平均阈值获取图像的 TAS。

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# Loading the images
image = mh.imread('tree.tiff')
# Converting it to grayscale
image = mh.colors.rgb2gray(image).astype(np.uint8)
# Calculating threshold value
threshold = image > np.mean(image)
# Computing parameter free TAS using mean threshold
pftas = mh.features.pftas(image, threshold)
# Printing the parameter free TAS value
print(pftas)
# Creating a figure and axes for subplots
fig, axes = mtplt.subplots(1, 1)
# Displaying the original image
axes.imshow(image, cmap='gray')
axes.set_title('Original Image')
axes.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：

[0.63528106  0.07587514  0.06969174 0.07046435 0.05301355 0.0396411
 0.0278772   0.0187047   0.00945114 0.51355051 0.10530301 0.0960256
 0.08990634  0.06852526  0.05097649 0.03778379 0.02519265 0.01273634
 0.69524747  0.0985423   0.07691423 0.05862548 0.03432296 0.01936853
 0.01058033  0.00482901  0.00156968 0.46277808 0.17663377 0.13243407
 0.10085554  0.06345864  0.03523172 0.01735837 0.00835911 0.00289069
 0.78372479  0.0746143   0.04885744 0.03739208 0.02555628 0.01563048
 0.00822543  0.00436208  0.00163713 0.70661663 0.07079426 0.05897885
 0.06033083  0.04280415  0.02972053 0.01632203 0.01043743 0.00399529]

输出图像是：

打印页面