标签: mahotas

如何从Python cv2中的Internet URL读取图像？

这个Stack Overflow答案,

import cv2.cv as cv
import urllib2
from cStringIO import StringIO
import PIL.Image as pil
url="some_url"

img_file = urllib2.urlopen(url)
im = StringIO(img_file.read())

不好,因为Python向我报告:

TypeError: object.__new__(cStringIO.StringI) is not safe, use cStringIO.StringI.__new__

嗨,我是Python的新手,并且遵循Python Image Tutorial.

安装本教程中描述的软件包后,执行以下操作时没有错误

import numpy
import scipy
import pylab
import pymorph
import mahotas
from scipy import ndimage

但是,当我尝试阅读图像时

image = mahotas.imread('picture_file.jpg')

我明白了

image = mahotas.imread('image_file.jpg')Traceback(最近一次调用最后一次):文件"",第1行,在文件"/usr/local/lib/python2.6/dist-packages/mahotas-0.6.4 -py2.6-linux-i686.egg/mahotas/init .py",第68行,在imread引发ImportError('mahotas.imread依赖于freeimage.找不到它.错误是:%s'%e)ImportError: mahotas.imread依赖于freeimage.找不到它.错误是:mahotas.freeimage:在以下任何目录中找不到libFreeImage:'/ usr/local/lib/python2.6/dad-package/mahotas-0.6.4-py2.6-linux-i686.egg/mahotas','/ lib','/ usr/lib','/ usr/local/lib','/ opt/local/lib'

我尝试安装FreeImagePy并可以导入它没有任何问题,但它没有帮助.我已经尝试使用package sys添加到Python路径,但也没有帮助.

编辑:我应该已经提到除了pymorph和mahotas之外的所有软件包都安装在我的linux盒子里做'*sudo apt-get install package_name*',而pymorph和mahotas是通过下载并执行' sudo python setup.py install '来安装的.

我最近不得不在Python中做很多与视觉相关的工作,而且我在格式之间切换时遇到很多困难.当我使用Mahotas读取图像时,我似乎无法将其转换为cv2,尽管它们都使用numpy.ndarray.SimpleCV可以轻松获取OpenCV图像,但是为简单的cv或mahotas获取SimpleCV图像似乎是一项非常重要的任务.

一些格式转换语法将非常受欢迎.例如,如果我使用mahotas打开灰度图像,默认情况下会将其视为浮点颜色空间.即使我将类型指定为numpy.uint8,cv2似乎也无法将其识别为数组.我不知道如何解决这个问题.我对彩色图像也没有多少运气.我在Ubuntu Oneiric Ocelot上使用Python 2.7 32bit.

提前致谢!

我正在使用本教程 http://pythonvision.org/basic-tutorial

但是当我传递一个png图像时:

T = mahotas.thresholding.otsu(dna)

我收到一个错误:

TypeError:mahotas.otsu:此函数只接受整数类型(传递float32类型的数组)

有没有人有exp.这个问题？谢谢!

我正在尝试使用 Python 来检测白色表面上有多少个物体。示例图像位于本文末尾。

我想知道应该如何做到这一点，主要是因为背景是白色的，并且大多数时候它被检测为前景。

我现在在Python中基于本教程（http://pythonvision.org/basic-tutorial）使用了多个库并检测白色作为对象，因此计数为1，工具被检测为背景，因此被忽略：

dna = mahotas.imread('dna.jpeg')
dna = dna.squeeze()
dna = pymorph.to_gray(dna)


print dna.shape
print dna.dtype
print dna.max()
print dna.min()

dnaf = ndimage.gaussian_filter(dna, 8)
T = mahotas.thresholding.otsu(dnaf)
labeled, nr_objects = ndimage.label(dnaf > T)
print nr_objects
pylab.imshow(labeled)
pylab.jet()
pylab.show()

是否有任何选项可以将白色部分作为背景并将工具作为前景？

提前致谢！

示例图片：

分割后的图像，其中红色为前景，蓝色为背景（少数工具合并不是问题）：

我正在尝试用Mahotas写一个图像,发现它很奇怪.

img = mahotas.imread('foo.png', True)
mahotas.imsave('bar.png', img)

我得到的错误是:

ValueError: mahotas.freeimage: cannot write arrays of given type and shape.

我在OS X上使用brew来安装freeimage.

我听说过本教程后的mahotas ,希望在python中找到一个很好的Zernike多项式实现.这可不容易.但是,我需要比较原始图像和Zernike矩重建的图像之间的欧几里德差异.我问 mahotas的作者是否可以将重建功能添加到他的库中,但他没有时间构建它.

如何使用mahotas提供的Zernike时刻在OpenCV中重建图像？

我有这样的图像:

在我通过scikit图像的骨架化功能对其进行骨架化之后

from skimage import morphology
out = morphology.skeletonize(gray>0)

有一种计算黑色空间数量的方法吗？(在这张图片中为六)除了scikit-image或mahotas的背景？

我一直在使用 skimage 的 SLIC 实现来以超像素分割图像。我想使用 GLCM 从这些超像素中提取附加特征来解决分类问题。这些超像素不是矩形的。在 MATLAB 中，您可以将像素设置为 NaN，它们将被算法忽略（链接）。我可以用它来在超像素周围制作边界框，然后将未使用的像素设置为 NaN。

然而，skimage 中的greycomatrix函数的工作方式与 MATLAB 实现并不完全相同。将像素设置为 NaN 时，该函数无法断言检查所有值是否大于 0。

是否有可用的 Python 实现能够处理非矩形 ROI？