python数字图像处理书籍_python数字图像处理之骨架提取与分水岭算法

编辑推荐:

来源php中文网

,这篇文章主要介绍了python数字图像处理之骨架提取与分水岭算法，现在分享给大家，也给大家做个参考。一起过来看看吧

骨架提取与分水岭算法也属于形态学处理范畴，都放在morphology子模块内。

1、骨架提取

骨架提取，也叫二值图像细化。这种算法能将一个连通区域细化成一个像素的宽度，用于特征提取和目标拓扑表示。

morphology子模块提供了两个函数用于骨架提取，分别是Skeletonize()函数和medial_axis()函数。我们先来看Skeletonize()函数。

格式为：skimage.morphology.skeletonize(image)

输入和输出都是一幅二值图像。

例1：

from skimage

import morphology,draw

import numpy as np

import matplotlib.pyplot as plt

#创建一个二值图像用于测试

image = np.zeros((400, 400))

#生成目标对象1(白色U型)

image[10:-10, 10:100] = 1

image[-100:-10, 10:-10] = 1

image[10:-10, -100:-10] = 1

#生成目标对象2(X型)

rs, cs = draw.line(250, 150, 10, 280)

for i in range(10):

image[rs + i, cs] = 1

rs, cs = draw.line(10, 150, 250, 280)

for i in range(20):

image[rs + i, cs] = 1

#生成目标对象3(O型)

ir, ic = np.indices(image.shape)

circle1 = (ic - 135)**2 + (ir - 150)**2 <

30**2

circle2 = (ic - 135)**2 + (ir - 150)**2 <

20**2

image[circle1] = 1

image[circle2] = 0

#实施骨架算法

skeleton =morphology.skeletonize(image)

#显示结果

fig, (ax1, ax2) = plt.subplots(nrows=1, ncols=2,

figsize=(8, 4))

ax1.imshow(image, cmap=plt.cm.gray)

ax1.axis('off')

ax1.set_title('original', fontsi