Mahotas – Momentos Zernike

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

Deja una respuesta

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