主頁 > 知識庫 > Python 實(shí)現(xiàn)圖像逐像素點(diǎn)取鄰域數(shù)據(jù)

Python 實(shí)現(xiàn)圖像逐像素點(diǎn)取鄰域數(shù)據(jù)

熱門標(biāo)簽:廈門crm外呼系統(tǒng)如何 如何在地圖標(biāo)注文字 n400電話申請多少錢 地圖標(biāo)注推廣單頁 女王谷地圖標(biāo)注 百應(yīng)ai電銷機(jī)器人鄭州 ai地圖標(biāo)注 西藏快速地圖標(biāo)注地點(diǎn) 長春人工智能電銷機(jī)器人官網(wǎng)

圖像比較大的話,在MATLAB上跑起來比較慢,用Python跑就會快很多,貼此備用吧!

#coding=utf-8
import pandas as pd
import numpy as np
from pandas import DataFrame
from matplotlib import pyplot as plt
from matplotlib import image
import scipy
import cv2
import scipy.io as sio

#原始數(shù)據(jù)四周補(bǔ)0
def pad_data(data,nei_size):
 m,n = data.shape
 t1 = np.zeros([nei_size//2,n])
 data = np.concatenate((t1,data,t1))
 m,n = data.shape
 t2 = np.zeros([m,nei_size//2])
 data = np.concatenate((t2,data,t2),axis=1) 
 return data

#逐像素取大小為nei_size*nei_size的鄰域數(shù)據(jù)
def gen_dataX(data,nei_size):
 x,y = data.shape
 m = x-nei_size//2*2;n = y-nei_size//2*2
 res = np.zeros([m*n,nei_size**2])
 print m,n
 k = 0
 for i in range(nei_size//2,m+nei_size//2):
  for j in range(nei_size//2,n+nei_size//2):
   res[k,:] = np.reshape(data[i-nei_size//2:i+nei_size//2+1,j-nei_size//2:j+nei_size//2+1].T,(1,-1))
   k += 1
 print k
 return res

im = sio.loadmat('data/im1.mat');
im1 = im1['im1']
nei_size=5
#鄰域取訓(xùn)練數(shù)據(jù)
im1= pad_data(im1,nei_size)
data = gen_dataX(im1,nei_size)
sio.savemat("results/"+str(kk)+"/dataX.mat", {'dataX':dataX}) 

補(bǔ)充:像素之間的鄰域、連接、連通等問題

1.鄰域

鄰域分為三類:4鄰域、對角鄰域和8鄰域。

對于以像素P為中心的九宮格而言,一個“加號”所涵蓋的四個像素被稱為中心像素的4鄰域,記作N4(P);角落的四個像素則是對角鄰域,記作ND(P);周圍全部8個像素稱為中心像素的8鄰域,記作N8(P)。

從左到右分別為 4鄰域 對角鄰域 8鄰域

2.連接

兩個像素為連接關(guān)系需滿足兩個條件:1.兩個像素相互接觸(鄰接);2.兩個像素滿足某個特定的相似準(zhǔn)則,比如像素灰度值相等或者灰度值處于同一個區(qū)間V內(nèi),這個是人為設(shè)置的。

這里容易把鄰接和連接搞混,鄰接就只是兩個像素相鄰而已,連接則需要滿足灰度值的要求。

連接根據(jù)像素所在鄰域的不同也分為三類:4連接、8連接和m連接。先給出它們的定義:

4連接:兩個像素P和R都在區(qū)間V內(nèi),且R屬于N4(P);

8連接:兩個像素P和R都在區(qū)間V內(nèi),且R屬于N8(P);

m連接:兩個像素P和R都在區(qū)間V內(nèi),且R屬于N4(P)或者R屬于ND(P),且N4(P)與N4(P)交集中的像素不在V中。

我已經(jīng)被這堆定義搞暈了,用圖片要好理解很多:

從左到右分別為 4連接、8連接、m連接。

這里假設(shè)集合V=1,可以看出8連接和m連接的區(qū)別了吧,N4§和N4®的交集(黃色部分)如果在V中,那就是8連接;不在V中就是m連接。

除此之外,根據(jù)定義我們也可以發(fā)現(xiàn)4連接也是包含在m連接里面的,因此可以得到這樣的包含關(guān)系:

4連接 ∈ m連接 ∈ 8連接

既然m連接包含在8連接里面了,還定義這個東西干嘛呢?課本給出的原因是為了消除8連接的“二義性”,在下面像素的連通里會用到。

3.連通

連通的定義很簡單,就是由一系列連接像素組成的通路。比如這樣:

連通的路線必須是唯一的,但8連接有時候會出現(xiàn)多條路都能走的情況,這時候m連接就派上用場了。

比如這種情況,藍(lán)色和紅色路線都能走,此時我們規(guī)定必須要走m連接,那就只剩藍(lán)色路線了。因此m連接的實(shí)質(zhì)就是:在像素間同時存在4-連接和8-連接時,優(yōu)先采用4-連接,并屏蔽兩個和同一像素間存在4-連接的像素之間的8-連接。

這樣像素之間的這些關(guān)系就都搞明白啦~

以上為個人經(jīng)驗(yàn),希望能給大家一個參考,也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方,望不吝賜教。

您可能感興趣的文章:
  • Python之修改圖片像素值的方法
  • python圖像常規(guī)操作
  • Python實(shí)現(xiàn)計(jì)算圖像RGB均值方式
  • python統(tǒng)計(jì)RGB圖片某像素的個數(shù)案例

標(biāo)簽:拉薩 渭南 興安盟 亳州 廊坊 黔東 綿陽 內(nèi)江

巨人網(wǎng)絡(luò)通訊聲明:本文標(biāo)題《Python 實(shí)現(xiàn)圖像逐像素點(diǎn)取鄰域數(shù)據(jù)》,本文關(guān)鍵詞  Python,實(shí)現(xiàn),圖像,逐,像素,;如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題,煩請?zhí)峁┫嚓P(guān)信息告之我們,我們將及時溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò),涉及言論、版權(quán)與本站無關(guān)。
  • 相關(guān)文章
  • 下面列出與本文章《Python 實(shí)現(xiàn)圖像逐像素點(diǎn)取鄰域數(shù)據(jù)》相關(guān)的同類信息!
  • 本頁收集關(guān)于Python 實(shí)現(xiàn)圖像逐像素點(diǎn)取鄰域數(shù)據(jù)的相關(guān)信息資訊供網(wǎng)民參考!
  • 推薦文章