mahotas作为一种计算机视觉方向方面的python库,其不仅包含了上百种视觉方向的机器学习的算法,同时还可以操作python的numpy数组,使得数据处理,很方便。
虽然mahotas作为一种新型的库,其每个月都在更新,但是其接口是很稳定的,我们的学习更加的简单方便。
mahotas.
as_rgb
(r, g, b):
as_rgb是一个将各个色彩融合在一起的一个接口,其中的r,g,b分别是各个色彩的通道,每个图像都有一个或多个颜色通道,图像中默认的颜色通道数取决于其颜色模式,即一个图像的颜色模式将决定其颜色通道的数量。例如,CMYK图像默认有4个通道,分别为青色、洋红、黄色、黑色。在默认情况下,位图模式、灰度、双色调和索引颜色图像只有一个通道。RGB和Lab图像有3个通道,CMYK图像有4个通道。
参数:
r,g,b : 可以是类数组对象,或者是整数等,只要保证所有的参数一致。
返回:
rgb : n维数组
r,g,b : 可以是类数组对象,或者是整数等,只要保证所有的参数一致。
返回:
rgb : n维数组
mahotas.
bbox
(img, border={0}, as_slice={False})
as_slice默认是False,当期为false的时候会返回每一个维度,当其为true的时候会返回一个切片,此时就根据border来定的。
参数:
img :数组
输出:imag所有的非零值,当as_slice为false的时候
一个切片当as_slice为true的时候。
mahotas.
border
(labeled, i, j, Bc={3x3 cross}, out={np.zeros(labeled.shape, bool)}, always_return=True)
参数:
i:整数
j: 整数
Bc:结构元素
out:按照labeled的新的元素,如果bool为None,那就会重新创建一个新的数组。
always_return:bool值,如果为false的话,当没有像素点在边界上面的话,就会返回一个none,如果为true,无论是什么都会返回一个数组。
mahotas.
borders
(labeled, Bc={3x3 cross}, out={np.zeros(labeled.shape, bool)})
计算边界上面的像素点,如果像素点i!=j的话。
参数:
labeled:整数类型的数组
Bc:结构元素,可以不选择。
out:输出的控制
输出:
一个包含bool值的数组
mahotas.
bwperim
(bw, n=4)
查找像素点中的周长,默认值为4,可以设定为8.
参数:
bw:一个黑白图片的数组(必须转换为黑白图像)
n: 一个整数
输出:
一个布尔值数组
mahotas.
cdilate
(f, g, Bc={3x3 cross}, n=1)
根据f、g和Bc通过迭代创建一个y。
参数:
f:二进制图像
g: 调节图像
structure:结构元素
n:迭代次数
输出:
一个图像