from skimage.segmentation import slic, mark_boundaries import torchvision.transforms as transforms import numpy as np from PIL import Image import matplotlib.pyplot as plt import cv2 # 加载图像 image = Image.open('img.png') # 转换为 PyTorch 张量 transform = transforms.ToTensor() img_tensor = transform(image).unsqueeze(0) # 将 PyTorch 张量转换为 Numpy 数组 img_np = img_tensor.numpy().transpose(0, 2, 3, 1)[0] # 使用 SLIC 算法生成超像素标记图 segments = slic(img_np, n_segments=100, compactness=10) # 可视化超像素标记图 segment_img = mark_boundaries(img_np, segments) # 将 Numpy 数组转换为 PIL 图像 segment_img = Image.fromarray((segment_img * 255).astype(np.uint8)) # 保存超像素标记图 segment_img.save('segments.jpg') n_segments = np.max(segments) + 1 # 初始化超像素块的区域 segment_regions = np.zeros((n_segments, img_np.shape[0], img_np.shape[1])) # 遍历每个超像素块 for i in range(n_segments): # 获取当前超像素块的掩码 mask = (segments == i) # 将当前超像素块的掩码赋值给超像素块的区域 segment_regions[i][mask] = 1 # 保存超像素块的区域 np.save('segment_regions.npy', segment_regions) # 加载超像素块的区域 segment_regions = np.load('segment_regions.npy') # 取出第一个超像素块的区域 segment_region = segment_regions[0] segment_region = (segment_region * 255).astype(np.uint8) # 显示超像素块的区域 plt.imshow(segment_region, cmap='gray') plt.show(),将上述代码中,# 取出第一个超像素块的区域 segment_region = segment_regions[0]改为取出全部超像素块的区域
时间: 2024-03-08 11:48:37 浏览: 26
如果你想获取所有超像素块的区域,可以将`segment_regions[0]`改成`segment_regions`即可,代码如下:
```python
from skimage.segmentation import slic, mark_boundaries
import torchvision.transforms as transforms
import numpy as np
from PIL import Image
import matplotlib.pyplot as plt
import cv2
# 加载图像
image = Image.open('img.png')
# 转换为 PyTorch 张量
transform = transforms.ToTensor()
img_tensor = transform(image).unsqueeze(0)
# 将 PyTorch 张量转换为 Numpy 数组
img_np = img_tensor.numpy().transpose(0, 2, 3, 1)[0]
# 使用 SLIC 算法生成超像素标记图
segments = slic(img_np, n_segments=100, compactness=10)
# 可视化超像素标记图
segment_img = mark_boundaries(img_np, segments)
# 将 Numpy 数组转换为 PIL 图像
segment_img = Image.fromarray((segment_img * 255).astype(np.uint8))
# 保存超像素标记图
segment_img.save('segments.jpg')
n_segments = np.max(segments) + 1
# 初始化超像素块的区域
segment_regions = np.zeros((n_segments, img_np.shape[0], img_np.shape[1]))
# 遍历每个超像素块
for i in range(n_segments):
# 获取当前超像素块的掩码
mask = (segments == i)
# 将当前超像素块的掩码赋值给超像素块的区域
segment_regions[i][mask] = 1
# 保存超像素块的区域
np.save('segment_regions.npy', segment_regions)
# 加载超像素块的区域
segment_regions = np.load('segment_regions.npy')
# 取出所有超像素块的区域
segment_regions = (segment_regions * 255).astype(np.uint8)
# 显示超像素块的区域
for i in range(n_segments):
plt.imshow(segment_regions[i], cmap='gray')
plt.show()
```
这个代码会显示出所有超像素块的区域。注意,如果超像素块数量太多,这个过程可能会很慢。