快捷導(dǎo)航

Python 實(shí)現(xiàn)圖像逐像素點(diǎn)取鄰域數(shù)據(jù)

更新時(shí)間：2021年03月17日 09:53:12 作者：xmpp10

這篇文章主要介紹了Python 實(shí)現(xiàn)圖像逐像素點(diǎn)取鄰域數(shù)據(jù)，具有很好的參考價(jià)值，希望對大家有所幫助。一起跟隨小編過來看看吧

圖像比較大的話，在MATLAB上跑起來比較慢，用Python跑就會快很多，貼此備用吧！

#coding=utf-8
import pandas as pd
import numpy as np
from pandas import DataFrame
from matplotlib import pyplot as plt
from matplotlib import image
import scipy
import cv2
import scipy.io as sio

#原始數(shù)據(jù)四周補(bǔ)0
def pad_data(data,nei_size):
 m,n = data.shape
 t1 = np.zeros([nei_size//2,n])
 data = np.concatenate((t1,data,t1))
 m,n = data.shape
 t2 = np.zeros([m,nei_size//2])
 data = np.concatenate((t2,data,t2),axis=1) 
 return data

#逐像素取大小為nei_size*nei_size的鄰域數(shù)據(jù)
def gen_dataX(data,nei_size):
 x,y = data.shape
 m = x-nei_size//2*2;n = y-nei_size//2*2
 res = np.zeros([m*n,nei_size**2])
 print m,n
 k = 0
 for i in range(nei_size//2,m+nei_size//2):
  for j in range(nei_size//2,n+nei_size//2):
   res[k,:] = np.reshape(data[i-nei_size//2:i+nei_size//2+1,j-nei_size//2:j+nei_size//2+1].T,(1,-1))
   k += 1
 print k
 return res

im = sio.loadmat('data/im1.mat');
im1 = im1['im1']
nei_size=5
#鄰域取訓(xùn)練數(shù)據(jù)
im1= pad_data(im1,nei_size)
data = gen_dataX(im1,nei_size)
sio.savemat("results/"+str(kk)+"/dataX.mat", {'dataX':dataX})

補(bǔ)充：像素之間的鄰域、連接、連通等問題

1.鄰域

鄰域分為三類：4鄰域、對角鄰域和8鄰域。

對于以像素P為中心的九宮格而言，一個“加號”所涵蓋的四個像素被稱為中心像素的4鄰域，記作N4（P）；角落的四個像素則是對角鄰域，記作ND（P）；周圍全部8個像素稱為中心像素的8鄰域，記作N8（P）。

從左到右分別為 4鄰域對角鄰域 8鄰域

2.連接

兩個像素為連接關(guān)系需滿足兩個條件：1.兩個像素相互接觸（鄰接）；2.兩個像素滿足某個特定的相似準(zhǔn)則，比如像素灰度值相等或者灰度值處于同一個區(qū)間V內(nèi)，這個是人為設(shè)置的。

這里容易把鄰接和連接搞混，鄰接就只是兩個像素相鄰而已，連接則需要滿足灰度值的要求。

連接根據(jù)像素所在鄰域的不同也分為三類：4連接、8連接和m連接。先給出它們的定義：

4連接：兩個像素P和R都在區(qū)間V內(nèi)，且R屬于N4（P）；

8連接：兩個像素P和R都在區(qū)間V內(nèi)，且R屬于N8（P）；

m連接：兩個像素P和R都在區(qū)間V內(nèi)，且R屬于N4（P）或者R屬于ND（P），且N4（P）與N4（P）交集中的像素不在V中。

我已經(jīng)被這堆定義搞暈了，用圖片要好理解很多：

從左到右分別為 4連接、8連接、m連接。

這里假設(shè)集合V=1，可以看出8連接和m連接的區(qū)別了吧，N4§和N4®的交集（黃色部分）如果在V中，那就是8連接；不在V中就是m連接。

除此之外，根據(jù)定義我們也可以發(fā)現(xiàn)4連接也是包含在m連接里面的，因此可以得到這樣的包含關(guān)系：

4連接 ∈ m連接 ∈ 8連接

既然m連接包含在8連接里面了，還定義這個東西干嘛呢？課本給出的原因是為了消除8連接的“二義性”，在下面像素的連通里會用到。

3.連通

連通的定義很簡單，就是由一系列連接像素組成的通路。比如這樣：

連通的路線必須是唯一的，但8連接有時(shí)候會出現(xiàn)多條路都能走的情況，這時(shí)候m連接就派上用場了。

比如這種情況，藍(lán)色和紅色路線都能走，此時(shí)我們規(guī)定必須要走m連接，那就只剩藍(lán)色路線了。因此m連接的實(shí)質(zhì)就是：在像素間同時(shí)存在4-連接和8-連接時(shí)，優(yōu)先采用4-連接，并屏蔽兩個和同一像素間存在4-連接的像素之間的8-連接。

這樣像素之間的這些關(guān)系就都搞明白啦~

以上為個人經(jīng)驗(yàn)，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。

您可能感興趣的文章: