Mahotas – 通过细化图像进行骨架化

在本文中，我们将了解如何在 mahotas 中通过细化来对图像进行骨架化。骨架化是将二值图像中的前景区域减少为骨架残余的过程，该过程在很大程度上保留了原始区域的范围和连通性，同时丢弃了大部分原始前景像素。细化是一种形态学操作，用于从二值图像中去除选定的前景像素，有点像侵蚀或开口。

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.thin method

Syntax : mahotas.thin(img) 

Argument : It takes image object as argument

Return : It returns image object 

注意：输入图像应被过滤或加载为灰色

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
   
# loading image
img = mahotas.demos.load('lena')
 
 
   
# filtering image
img = img.max(2)
 
# otsu method
T_otsu = mahotas.otsu(img)  
   
# image values should be greater than otsu value
img = img > T_otsu
   
print("Image threshold using Otsu Method")
 
# showing image
imshow(img)
show()
 
 
# Skeletonisation by thinning
new_img = mahotas.thin(img)
  
 
# showing image
print("Skeletonised Image")
imshow(new_img)
show()

输出 ：

Image threshold using Otsu Method

Skeletonised Image

另一个例子

Python3

# importing required libraries
import mahotas
import numpy as np
from pylab import gray, imshow, show
import os
  
# loading image
img = mahotas.imread('dog_image.png')
 
 
# filtering image
img = img[:, :, 0]
   
# otsu method
T_otsu = mahotas.otsu(img)  
   
# image values should be greater than otsu value
img = img > T_otsu
   
print("Image threshold using Otsu Method")
   
# showing image
imshow(img)
show()
 
 
# Skeletonisation by thinning
new_img = mahotas.thin(img)
  
 
# showing image
print("Skeletonised Image")
imshow(new_img)
show()

输出 ：

Image threshold using Otsu Method

Skeletonised Image