Características de Mahotas – Zernike

En este artículo veremos cómo podemos obtener la función zernike de la imagen dada en mahotas. Los polinomios de Zernike son un conjunto de base ortogonal (un conjunto de funciones para las cuales la integral del producto de cualquier par de funciones es cero)
Para este tutorial usaremos la imagen ‘lena’, a continuación se muestra el comando para cargar la imagen lena 
 

mahotas.demos.load('lena')

A continuación se muestra la imagen de lena 
 

Para hacer esto, usaremos el método mahotas.features.zernike
Sintaxis: mahotas.features.zernike (img, grado, radio)
Argumento: toma un objeto de imagen y dos enteros como argumento
Retorno: devuelve una array 1-D 
 

Nota: la imagen de entrada debe filtrarse o debe cargarse como gris
. Para filtrar la imagen, tomaremos el objeto de imagen que es numpy.ndarray y lo filtraremos con la ayuda de la indexación, a continuación se muestra el comando para hacer esto.
 

image = image[:, :, 0]

A continuación se muestra la implementación. 
 

# importing required libraries
import mahotas
import mahotas.demos
from pylab import gray, imshow, show
import numpy as np
import matplotlib.pyplot as plt
   
# loading image
img = mahotas.demos.load('lena')
   
# filtering image
img = img.max(2)
 
print("Image")
   
# showing image
imshow(img)
show()
 
# degree
degree = 10
 
# radius
radius = 10
 
# computing zernike feature
value = mahotas.features.zernike(img, degree, radius)
  
 
# printing value
print(value)

Producción :
 

Image

[0.31830989 0.01261485 0.00614926 0.00769591 0.0097145  0.01757332
 0.00617458 0.01008905 0.01415304 0.01099679 0.02894761 0.01838737
 0.0074247  0.01333135 0.01958184 0.00431827 0.00540781 0.01675913
 0.03511082 0.00699177 0.00357231 0.01593838 0.01621848 0.0240565
 0.0154929  0.01631347 0.03239474 0.02506811 0.00796528 0.01291179
 0.01198231 0.01916542 0.0165929  0.01032658 0.02028499 0.02506003]

Otro ejemplo 
 

# importing required libraries
import mahotas
import numpy as np
from pylab import gray, imshow, show
import os
import matplotlib.pyplot as plt
  
# loading image
img = mahotas.imread('dog_image.png')
 
 
# filtering image
img = img[:, :, 0]
   
print("Image")
   
# showing image
imshow(img)
show()
 
# degree
degree = 10
 
# radius
radius = 10
 
# computing zernike feature
value = mahotas.features.zernike(img, degree, radius)
  
 
# printing value
print(value)

Producción :
 

Image

[0.31830989 0.00985427 0.00714652 0.00171408 0.00442245 0.01796711
 0.00716781 0.00179965 0.0039829  0.0031081  0.02447476 0.0011686
 0.009291   0.00174885 0.00357579 0.00692029 0.0043969  0.03528869
 0.00264739 0.01381883 0.00750501 0.0036528  0.00867514 0.01298398
 0.0129556  0.00602334 0.04108562 0.00377269 0.01859098 0.01109795
 0.00178511 0.0082474  0.01928068 0.01873102 0.00882483 0.04558572]