Mahotas – Obtención de puntos densos SURF

En este artículo veremos cómo podemos obtener la función densa robusta acelerada de la imagen en mahotas. En la visión artificial, las características robustas aceleradas (SURF) son un detector y descriptor de características locales patentado. Se puede utilizar para tareas como reconocimiento de objetos, registro de imágenes, clasificación o reconstrucción 3D. Está parcialmente inspirado en el descriptor de transformación de características invariantes de escala (SIFT). Para ello vamos a utilizar la imagen de microscopía fluorescente de un benchmark de segmentación nuclear. Podemos obtener la imagen con la ayuda del comando que se indica a continuación.
 

mahotas.demos.nuclear_image()

A continuación se muestra la imagen_nuclear 
 

Para hacer esto usaremos el método surf.dense 
 

Sintaxis: surf.surf(img, spacing)
Argumento: toma un objeto de imagen y un número entero como argumento
. Retorno: devuelve numpy.ndarray, es decir, descriptores en puntos densos. 
 

Ejemplo 1 : 
 

# importing various libraries
import mahotas
import mahotas.demos
import mahotas as mh
import numpy as np
from pylab import imshow, show
from mahotas.features import surf
 
# loading nuclear image
nuclear = mahotas.demos.nuclear_image()
 
# filtering image
nuclear = nuclear[:, :, 0]
 
# adding gaussian filter
nuclear = mahotas.gaussian_filter(nuclear, 4)
 
# showing image
print("Image")
imshow(nuclear)
show()
 
 
# getting Speeded-Up Robust dense points
dense_img = surf.dense(nuclear, 120)
 
# showing image
print("Dense Image")
imshow(dense_img)
show()

Producción : 
 

Ejemplo 2: 
 

# importing required libraries
import numpy as np
import mahotas
from pylab import imshow, show
from mahotas.features import surf
  
# loading image
img = mahotas.imread('dog_image.png')
 
    
# filtering the image
img = img[:, :, 0]
     
# setting gaussian filter
gaussian = mahotas.gaussian_filter(img, 5)
  
# showing image
print("Image")
imshow(gaussian)
show()
 
 
# getting Speeded-Up Robust dense points
dense_img = surf.dense(gaussian, 80)
 
# showing image
print("Dense Image")
imshow(dense_img)
show()

Producción :