Mahotas – 适当的图像结构元素

在本文中，我们将了解如何在 mahotas 中获取图像的适当结构元素。结构化元素是一个矩阵，用于标识正在处理的图像中的像素，并定义在处理每个像素时使用的邻域。
在本教程中，我们将使用“lena”图像，下面是加载它的命令。

mahotas.demos.load('lena')

下面是莉娜的图片

In order to do this we will use mahotas.get_structuring_elem method
Syntax : mahotas.get_structuring_elem(img, n)
Argument : It takes image object and integer as argument
Return : It returns numpy ndarray 
 

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]

下面是实现

Python3

# importing required libraries
import mahotas
import mahotas.demos
from pylab import gray, imshow, show
import numpy as np
import matplotlib.pyplot as plt
   
# loading image
img = mahotas.demos.load('lena')
 
 
   
# filtering image
img = img.max(2)
 
print("Image")
   
# showing image
imshow(img)
show()
 
# getting structring element
value = mahotas.get_structuring_elem(img, 1)
  
# showing value
print(value)

输出 ：

Image

[[0 1 0]
 [1 1 1]
 [0 1 0]]

另一个例子

Python3

# importing required libraries
import mahotas
import numpy as np
from pylab import gray, imshow, show
import os
import matplotlib.pyplot as plt
  
# loading image
img = mahotas.imread('dog_image.png')
 
 
# filtering image
img = img[:, :, 0]
   
print("Image")
   
# showing image
imshow(img)
show()
 
# getting structring element
value = mahotas.get_structuring_elem(img, 2)
  
# showing value
print(value)

输出 ：

Image

[[1 1 1]
 [1 1 1]
 [1 1 1]]