python数字图像处理之骨架提取与分水岭算法_Skeletonmatchingpython - CSDN文库

分水岭算法

5星 · 超过95%的资源 4 浏览量更新于2023-03-03 评论收藏 183KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

python数字图像处理之骨架提取与分水岭算法数字图像处理之骨架提取与分水岭算法

骨架提取与分水岭算法也属于形态学处理范畴，都放在morphology子模块内。

1、骨架提取、骨架提取

骨架提取，也叫二值图像细化。这种算法能将一个连通区域细化成一个像素的宽度，用于特征提取和目标拓扑表示。

morphology子模块提供了两个函数用于骨架提取，分别是Skeletonize（）函数和medial_axis（）函数。我们先来看

Skeletonize（）函数。

格式为：skimage.morphology.skeletonize(image)

输入和输出都是一幅二值图像。

例1：

from skimage import morphology,draw

import numpy as np

import matplotlib.pyplot as plt

#创建一个二值图像用于测试

image = np.zeros((400, 400))

#生成目标对象1(白色U型)

image[10:-10, 10:100] = 1

image[-100:-10, 10:-10] = 1

image[10:-10, -100:-10] = 1

#生成目标对象2（X型）

rs, cs = draw.line(250, 150, 10, 280)

for i in range(10):

image[rs + i, cs] = 1

rs, cs = draw.line(10, 150, 250, 280)

for i in range(20):

image[rs + i, cs] = 1

#生成目标对象3（O型）

ir, ic = np.indices(image.shape)

circle1 = (ic - 135)**2 + (ir - 150)**2 < 30**2

circle2 = (ic - 135)**2 + (ir - 150)**2 < 20**2

image[circle1] = 1

image[circle2] = 0

#实施骨架算法

skeleton =morphology.skeletonize(image)

#显示结果

fig, (ax1, ax2) = plt.subplots(nrows=1, ncols=2, figsize=(8, 4))

ax1.imshow(image, cmap=plt.cm.gray)

ax1.axis('off')

ax1.set_title('original', fontsize=20)

ax2.imshow(skeleton, cmap=plt.cm.gray)

ax2.axis('off')

ax2.set_title('skeleton', fontsize=20)

fig.tight_layout()

plt.show()

生成一幅测试图像，上面有三个目标对象，分别进行骨架提取，结果如下：

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余4页未读，立即下载

评论5

芊暖

2023-07-24

文章对骨架提取与分水岭算法进行了详细的解释，让初学者也能够轻松理解与掌握。

weixin_38554186

粉丝: 0
资源: 955

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈