Mahotas - 标记最大值数组

标记最大值数组是指存储标记图像中每个区域的最大强度值的数组。要找到某个区域的最大强度值，需要检查该区域中的每个像素。然后，选择最亮像素的强度值作为最大强度值。简单来说，标记最大值数组用于查找图像中最亮的区域。

例如，假设我们有一个由三个像素组成的区域。这三个像素的强度值分别为 0.5、0.2 和 0.8。然后，该区域的最大强度值将为 0.8。

Mahotas 中的标记最大值数组

在 Mahotas 中，我们可以使用 mahotas.labeled.labeled_max() 函数创建标记最大值数组。该函数迭代搜索区域中最亮的像素。然后将最亮像素的强度值存储在数组中。

结果数组是标记最大值数组，具有图像每个区域的最大强度值。

mahotas.labeled.labeled_max() 函数

mahotas.labeled.labeled_max() 函数将图像和标记图像作为输入。它返回一个包含每个标记区域的最大强度值的数组。

语法

以下是 mahotas 中 labeled_max() 函数的基本语法 −

mahotas.labeled.labeled_max(array, labeled, minlength=None)

其中，

• array − 它是输入图像。

• labeled − 它是标记图像。

• minlength(可选) −它指定输出数组中包含的最小区域数(默认为 None)。

示例

在下面的示例中，我们使用 labeled_max() 函数在标记图像中查找标记的最大数组。

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# 加载图像
image = mh.imread('sea.bmp')
# 将其转换为灰度
image = mh.colors.rgb2gray(image).astype(np.uint8)
# 应用阈值
threshold = mh.thresholding.rc(image)
threshold_image = image >阈值
# 标记图像
label, num_objects = mh.label(threshold_image)
# 获取标记的最大数组
labeled_max = mh.labeled.labeled_max(image, label)
# 打印标记的最大数组
print('标记的最大数组:', labeled_max)
# 为子图创建图形和轴
fig, axis = mtplt.subplots(1, 2)
# 显示原始图像
axes[0].imshow(image, cmap='gray')
axes[0].set_title('原始图像​​')
axes[0].set_axis_off()
# 显示标记图像
axes[1].imshow(label, cmap='gray')
axes[1].set_title('标记图像')
axes[1].set_axis_off()
# 调整子图之间的间距
mtplt.tight_layout()
#显示图形
mtplt.show()

输出

以下是上述代码的输出 −

标记的最大数组:[107 111 129 ... 141 119 109]

获得的图像如下 −

随机布尔图像的标记的最大数组

我们还可以找到随机布尔图像的标记的最大数组。随机布尔图像是指每个像素的值为 0 或 1 的图像。前景像素用"1"表示，背景像素用"0"表示。

在 mahotas 中，要找到随机布尔图像的标记最大数组，我们首先需要使用 np.zeros() 函数生成特定大小的随机布尔图像。

此图像最初仅由背景像素组成。然后，我们将整数值分配给图像的几个部分以创建不同的区域。

然后，我们使用 labeled_max() 函数找到图像的标记最大数组。

示例

在下面提到的示例中，我们正在寻找随机布尔图像的标记最大数组。

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# 创建随机图像
image = np.zeros((10, 10), bool)
# 为区域分配值
image[:2, :2] = 1
image[4:6, 4:6] = 1
image[8:, 8:] = 1
# 标记图像
label, num_objects = mh.label(image)
# 随机采样
random_sample = np.random.random_sample(image.shape)
# 获取标记的最大数组
labeled_max = mh.labeled.labeled_max(random_sample, label)
# 打印标记的最大数组
print('带标签的最大数组')
for i, strength in enumerate(labeled_max):
print('区域', i, ':', intense)
# 为子图创建图形和轴
fig, axis = mtplt.subplots(1, 2)
# 显示原始图像
axes[0].imshow(image)
axes[0].set_title('Original Image')
axes[0].set_axis_off()
# 显示带标签的图像
axes[1].imshow(label)
axes[1].set_title('Labeled Image')
axes[1].set_axis_off()
# 调整子图之间的间距
mtplt.tight_layout()
# 显示图形
mtplt.show()

输出

上述代码的输出如下 −

带标签的最大数组
区域 0 : 0.9950607583625318
区域 1 : 0.8626363785944107
区域 2 : 0.6343883551171169
区域 3 : 0.8162320509314726

我们得到以下图像作为输出 −