skimage包的小优化(2):模仿remove_small_objects()函数保留图片中连通域最大的区域

本文主要是介绍skimage包的小优化(2):模仿remove_small_objects()函数保留图片中连通域最大的区域,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

python模仿remove_small_objects()函数保留图片中连通域最大的区域

skimage包的morphology子模块中,提供了一个remove_small_objects()函数,可以通过自己设定的连通域面积阈值有效去掉图片中的噪点,但是在具体使用过程中会发现:这个函数使用起来还有诸多的不便,好在这个函数的源代码并不长,在在skimage包的小优化(1):模仿remove_small_objects()函数去除图片边缘不感兴趣区域
中,我就是通过模仿remove_small_objects()的源代码,实现了判断连通域与中心坐标的位置远近来去除图片边缘大面积噪声。很好地解决了去掉图片边缘不感兴趣区域的问题。

但是最近在使用过程中,我有发现了另外一个问题:在使用remove_small_objects()函数的时候,必须要指定一个连通域的面积阈值(这个函数的具体使用方法见:scikit-image(skimage)包的用法详解),而很多时候我们根本不知道这个阈值到底要设为多少。而有时候,我们如果已经知道图片中只有那块连通域面积最大的区域是我们想要的,那么,只需要保留这块区域,其他的都当作噪点删掉即可,没必要非要确定一个面积阈值。

具体实现如下:

##输入:一张二值图像,无须指定面积阈值,
##输出:会返回保留了面积最大的连通域的图像
def save_max_objects(img):labels = measure.label(img)  # 返回打上标签的img数组jj = measure.regionprops(labels)  # 找出连通域的各种属性。  注意,这里jj找出的连通域不包括背景连通域# is_del = Falseif len(jj) == 1:out = img# is_del = Falseelse:# 通过与质心之间的距离进行判断num = labels.max()  #连通域的个数del_array = np.array([0] * (num + 1))#生成一个与连通域个数相同的空数组来记录需要删除的区域(从0开始,所以个数要加1)for k in range(num):#TODO:这里如果遇到全黑的图像的话会报错if k == 0:initial_area = jj[0].areasave_index = 1  # 初始保留第一个连通域else:k_area = jj[k].area  # 将元组转换成arrayif initial_area < k_area:initial_area = k_areasave_index = k + 1del_array[save_index] = 1del_mask = del_array[labels]out = img * del_mask# is_del = Truereturn out

这篇关于skimage包的小优化(2):模仿remove_small_objects()函数保留图片中连通域最大的区域的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1108850

相关文章

java之Objects.nonNull用法代码解读

《java之Objects.nonNull用法代码解读》:本文主要介绍java之Objects.nonNull用法代码,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐... 目录Java之Objects.nonwww.chinasem.cnNull用法代码Objects.nonN

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

一文详解SpringBoot响应压缩功能的配置与优化

《一文详解SpringBoot响应压缩功能的配置与优化》SpringBoot的响应压缩功能基于智能协商机制,需同时满足很多条件,本文主要为大家详细介绍了SpringBoot响应压缩功能的配置与优化,需... 目录一、核心工作机制1.1 自动协商触发条件1.2 压缩处理流程二、配置方案详解2.1 基础YAML

Android Kotlin 高阶函数详解及其在协程中的应用小结

《AndroidKotlin高阶函数详解及其在协程中的应用小结》高阶函数是Kotlin中的一个重要特性,它能够将函数作为一等公民(First-ClassCitizen),使得代码更加简洁、灵活和可... 目录1. 引言2. 什么是高阶函数?3. 高阶函数的基础用法3.1 传递函数作为参数3.2 Lambda

MySQL中慢SQL优化的不同方式介绍

《MySQL中慢SQL优化的不同方式介绍》慢SQL的优化,主要从两个方面考虑,SQL语句本身的优化,以及数据库设计的优化,下面小编就来给大家介绍一下有哪些方式可以优化慢SQL吧... 目录避免不必要的列分页优化索引优化JOIN 的优化排序优化UNION 优化慢 SQL 的优化,主要从两个方面考虑,SQL 语

MySQL中慢SQL优化方法的完整指南

《MySQL中慢SQL优化方法的完整指南》当数据库响应时间超过500ms时,系统将面临三大灾难链式反应,所以本文将为大家介绍一下MySQL中慢SQL优化的常用方法,有需要的小伙伴可以了解下... 目录一、慢SQL的致命影响二、精准定位问题SQL1. 启用慢查询日志2. 诊断黄金三件套三、六大核心优化方案方案

C++中::SHCreateDirectoryEx函数使用方法

《C++中::SHCreateDirectoryEx函数使用方法》::SHCreateDirectoryEx用于创建多级目录,类似于mkdir-p命令,本文主要介绍了C++中::SHCreateDir... 目录1. 函数原型与依赖项2. 基本使用示例示例 1:创建单层目录示例 2:创建多级目录3. 关键注

Redis中高并发读写性能的深度解析与优化

《Redis中高并发读写性能的深度解析与优化》Redis作为一款高性能的内存数据库,广泛应用于缓存、消息队列、实时统计等场景,本文将深入探讨Redis的读写并发能力,感兴趣的小伙伴可以了解下... 目录引言一、Redis 并发能力概述1.1 Redis 的读写性能1.2 影响 Redis 并发能力的因素二、

C++中函数模板与类模板的简单使用及区别介绍

《C++中函数模板与类模板的简单使用及区别介绍》这篇文章介绍了C++中的模板机制,包括函数模板和类模板的概念、语法和实际应用,函数模板通过类型参数实现泛型操作,而类模板允许创建可处理多种数据类型的类,... 目录一、函数模板定义语法真实示例二、类模板三、关键区别四、注意事项 ‌在C++中,模板是实现泛型编程

kotlin的函数forEach示例详解

《kotlin的函数forEach示例详解》在Kotlin中,forEach是一个高阶函数,用于遍历集合中的每个元素并对其执行指定的操作,它的核心特点是简洁、函数式,适用于需要遍历集合且无需返回值的场... 目录一、基本用法1️⃣ 遍历集合2️⃣ 遍历数组3️⃣ 遍历 Map二、与 for 循环的区别三、高