Mahotas – 哈尔变换

在本文中，我们将了解如何在 mahotas 中进行图像 haar 变换。 haar 小波是一系列重新缩放的“方形”函数，它们一起形成一个小波族或基。小波分析类似于傅立叶分析，因为它允许在一个区间上的目标函数以正交基表示。 Haar 序列现在被认为是第一个已知的小波基，并被广泛用作教学示例。
在本教程中，我们将使用“luispedro”图像，下面是加载它的命令。

mahotas.demos.load('luispedro')

下面是 luispedro 图像

为此，我们将使用 mahotas.haar 方法

Syntax : mahotas.haar(img)
Argument : It takes image object as argument
Return : It returns image object 
 

注意：输入图像应被过滤或应加载为灰色
为了过滤图像，我们将获取图像对象 numpy.ndarray 并在索引的帮助下对其进行过滤，下面是执行此操作的命令

image = image[:, :, 0]

示例 1：

Python3

# importing various libraries
import numpy as np
import mahotas
import mahotas.demos
from mahotas.thresholding import soft_threshold
from pylab import imshow, show
from os import path
 
# loading image
f = mahotas.demos.load('luispedro', as_grey = True)
 
 
# showing image
print("Image")
 
imshow(f)
show()
 
# haar transform
h = mahotas.haar(f)
 
# showing image
print("Image with haar transform")
imshow(h)
show()

输出 ：

示例 2：

Python3

# importing required libraries
import mahotas
import numpy as np
from pylab import imshow, show
import os
 
 
# loading image
img = mahotas.imread('dog_image.png')
 
# filtering image
img = img[:, :, 0]
 
 
# showing image
print("Image")
 
imshow(img)
show()
 
# haar transform
h = mahotas.haar(img)
 
# showing image
print("Image with haar transform")
imshow(h)
show()

输出 ：