python图片处理(一)

时间：2020-12-04 05:20:29

在matlab中有相应的图像进行二值化处理，并且标记连通区域

L = bwlabel(BW,n)

返回一个和BW大小相同的L矩阵，包含了标记连BW中每个连通区域的类别标签，标签的值是1、2、num(连通区域的个数)n的值是4或者8，和算法中的搜索相同表示连通的方向，表示方向，4表示只有上下左右四个方向，8表示上下左右还有对角线。4连通或者8连通，默认为8连通。

[L,num] = bwlabel(BW,n)

num表示的是BW中连通区域的个数。

举例说明：
BW =
    1     1     1     0     0     0     0     0
    1     1     1     0     1     1     0     0
    1     1     1     0     1     1     0     0
    1     1     1     0     0     0     1     0
    1     1     1     0     0     0     1     0
    1     1     1     0     0     0     1     0
    1     1     1     0     0     1     1     0
    1     1     1     0     0     0     0     0

按4连通计算，方形的区域，和翻转的L形区域，有用是对角连接，不属于连通，所以分开标记，连通区域个数为3

  1. L = bwlabel(BW,4)

复制代码结果如下：
L =
    1     1     1     0     0     0     0     0
    1     1     1     0     2     2     0     0
    1     1     1     0     2     2     0     0
    1     1     1     0     0     0     3     0
    1     1     1     0     0     0     3     0
    1     1     1     0     0     0     3     0
    1     1     1     0     0     3     3     0
    1     1     1     0     0     0     0     0

而8连通标记，它们是连通的：

  1. [L, num] = bwlabel(BW,8)

复制代码L =
    1     1     1     0     0     0     0     0
    1     1     1     0     2     2     0     0
    1     1     1     0     2     2     0     0
    1     1     1     0     0     0     2     0
    1     1     1     0     0     0     2     0
    1     1     1     0     0     0     2     0
    1     1     1     0     0     2     2     0
    1     1     1     0     0     0     0     0
这里
num = 2

在python中可以用skimage模块进行图像的二值化和图像连通，图像中

from PIL import Image

import matplotlib.image as mpimg

import numpy as np

path = '20150919131753_XcGPz.thumb.700_0.jpeg'

img=io.imread(path,as_grey=False)

img_gray=color.rgb2gray(img)

from skimage import io,data,color

rows,cols=img_gray.shape

for i in range(rows):

    for j in range(cols):

        if (img_gray[i,j]<=0.5):

            img_gray[i,j]=0

        else:

            img_gray[i,j]=1

相关文章