En este artículo, veremos cómo podemos obtener los momentos Zernike de la imagen dada en mahotas. Los polinomios de Zernike son un conjunto de bases ortogonales (un conjunto de funciones para las cuales la integral del producto de cualquier par de funciones es cero). En procesamiento de imágenes, visión por computadora y campos relacionados, un momento de imagen es un promedio ponderado particular de las intensidades de los píxeles de la imagen, o una función de tales momentos, generalmente elegido para tener alguna propiedad o interpretación atractiva. Los momentos de imagen son útiles para describir objetos después de la segmentación.
Para este tutorial, usaremos la imagen ‘Lena’, a continuación se muestra el comando para cargar la imagen de Lena
mahotas.demos.load('lena')
A continuación se muestra la imagen de Lena
Para hacer esto, usaremos el método mahotas.features.zernike_moments
Sintaxis: mahotas.features.zernike_moments (img, radio)
Argumento: toma un objeto de imagen y un número entero 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.
Python3
# 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() # radius radius = 10 # computing zernike moments value = mahotas.features.zernike_moments(img, 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 ]
Otro ejemplo
Python3
# 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() # radius radius = 10 # computing zernike moments value = mahotas.features.zernike_moments(img, 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 ]
Publicación traducida automáticamente
Artículo escrito por rakshitarora y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA