En este artículo veremos cómo podemos bordear la imagen binaria en mahotas con la ayuda del algoritmo DoG. En la ciencia de la imagen, la diferencia de gaussianos (DoG) es un algoritmo de mejora de características que implica la sustracción de una versión borrosa de una imagen original de otra versión menos borrosa del original.
Para ello utilizaremos el
mahotas.dogmétodoSintaxis: mahotas.dog(img)
Argumento: toma un objeto de imagen binaria como argumento
Retorno : Devuelve objeto de imagen
A continuación se muestra la implementación.
# importing required libraries
import mahotas as mh
import numpy as np
from pylab import imshow, show
# creating region
# numpy.ndarray
regions = np.zeros((10, 10), bool)
# setting 1 value to the region
regions[:3, :3] = 1
regions[6:, 6:] = 1
# getting labeled function
labeled, nr_objects = mh.label(regions)
# showing the image with interpolation = 'nearest'
print("Binary Image")
imshow(labeled, interpolation ='nearest')
show()
# getting edges using dog algo
dog = mahotas.dog(labeled)
# showing image
print("Edges using DoG algo")
imshow(dog)
show()
Producción :
Binary Image
Edges using DoG algo
Otro ejemplo
# importing required libraries
import mahotas as mh
import numpy as np
from pylab import imshow, show
# creating region
# numpy.ndarray
regions = np.zeros((10, 10), bool)
# setting 1 value to the region
regions[1, :2] = 1
regions[5:8, 6: 8] = 1
regions[8, 0] = 1
# getting labeled function
labeled, nr_objects = mh.label(regions)
# showing the image with interpolation = 'nearest'
print("Image")
imshow(labeled, interpolation ='nearest')
show()
# getting edges
dog = mahotas.dog(labeled)
# showing image
print("Edges using DoG algo")
imshow(dog)
show()
Producción :
Binary Image
Edges using DoG algo
Publicación traducida automáticamente
Artículo escrito por rakshitarora y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA