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.dog
métodoSintaxis: 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