Mahotas – Cuenca Condicional de la Imagen

En este artículo, veremos cómo podemos hacer una cuenca hidrográfica condicional de la imagen en mahotas. En el estudio del procesamiento de imágenes, una cuenca hidrográfica es una transformación definida en una imagen en escala de grises. El nombre se refiere metafóricamente a una cuenca hidrográfica geológica, o división de drenaje, que separa cuencas de drenaje adyacentes. 

En este tutorial, usaremos la imagen «Lena», a continuación se muestra el comando para cargarla.   

mahotas.demos.load('lena')

A continuación se muestra la imagen de lena 

Para hacer esto usaremos el método mahotas.cwatershed

Sintaxis: mahotas.cwatershed(img, marcador)

Argumento: toma el objeto de imagen y el marcador etiquetado como argumento

Retorno : Devuelve objeto de imagen

Nota: la imagen de entrada debe filtrarse o 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. 

Python3

# importing required libraries
import mahotas
import mahotas.demos
from pylab import gray, imshow, show
import numpy as np
   
# loading image
img = mahotas.demos.load('lena')
 
 
   
# filtering image
img = img.max(2)
 
# otsu method
T_otsu = mahotas.otsu(img)  
   
# image values should be greater than otsu value
img = img > T_otsu
   
print("Image threshold using Otsu Method")
 
# creating a labelled image
marker, n_nucleus = mahotas.label(img)
   
# showing image
imshow(img)
show()
   
 
# watershed of image
new_img = mahotas.cwatershed(img, marker)
 
print("CWatershed Image")
 
# showing image
imshow(new_img)
show()

Producción : 

Image threshold using Otsu Method

CWatershed Image

Otro ejemplo  

Python3

# importing required libraries
import mahotas
import numpy as np
from pylab import gray, imshow, show
import os
  
# loading image
img = mahotas.imread('dog_image.png')
 
 
# filtering image
img = img[:, :, 0]
   
# otsu method
T_otsu = mahotas.otsu(img)  
   
# image values should be greater than otsu value
img = img > T_otsu
   
print("Image threshold using Otsu Method")
   
# showing image
imshow(img)
show()
 
# creating a labelled image
marker, n_nucleus = mahotas.label(img)
   
# watershed of image
new_img = mahotas.cwatershed(img, marker)
 
print("CWatershed Image")
 
# showing image
imshow(new_img)
show()

Producción: 

Image threshold using Otsu Method

CWatershed Image

Publicación traducida automáticamente

Artículo escrito por rakshitarora y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *