Mahotas – Imagen de erosión condicional

En este artículo veremos cómo podemos hacer erosión condicional de la imagen en mahotas. La erosión es una de las dos operaciones fundamentales (la otra es la dilatación) en el procesamiento de imágenes morfológicas en las que se basan todas las demás operaciones morfológicas. Originalmente se definió para imágenes binarias, luego se extendió a imágenes en escala de grises y posteriormente a redes completas.

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.cerode
Sintaxis: mahotas.cerode(img, c_grey)
Argumento: Toma objeto imagen, imagen condicional como argumento
Retorno: Devuelve objeto 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. 

# 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')
  
# grey image
g = img[:, :, 1]
  
# multiplying grey image values
g = g * 3
 
# 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")
   
# showing image
imshow(img)
show()
   
# eroding image using conditional grey image
new_img = mahotas.cerode(img, g)
   
# showing eroded image
print("Eroded Image")
imshow(new_img)
show()

Producción : 

Image threshold using Otsu Method

Eroded Image

Otro ejemplo  

# 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')
 
# getting grey image
g = img[:, :, 0]
 
  
# multiplying grey image values
g = g * 2
 
# 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()
   
# eroding image using conditional grey image
new_img = mahotas.cerode(img, g)
   
# showing eroded image
print("Eroded Image")
imshow(new_img)
show()

Producción : 

Image threshold using Otsu Method

Eroded Image