标签: scikit-image

这是一个扩展的问题,这个疑问句 .Thanks到Kindall和斯蒂芬·范德Wallt,原来为了解决前面的问题,我需要了解如何应用deconvolution使用的图像处理python任何相关的软件包.
因为我只知道python,您可能想告诉我如何使用python 转换MatLab此链接MatLap代码中的代码,我只对"卷积定理 - 练习部分"感兴趣,这将是一个很大的帮助.
我还需要了解卷积或解卷积方法对图像的作用.我用谷歌搜索试图找出它,但有很多方程式我无法完全理解.

注意:
(1)关于如何deconvolve工作的任何解释,当然将不胜感激.
谢谢

我写了一个小脚本来将黑板图片转换成我可以打印并标记的形式.

我拍这样的照片:

自动裁剪,并将其二值化.这是脚本的输出:

我想从图像中删除最大的连接黑色区域.有一个简单的方法吗？

我正在考虑侵蚀图像以消除文本,然后从原始二值化图像中减去侵蚀图像,但我不禁想到有更合适的方法.

这是我的代码:

from skimage import io,color
filename = io.imread("input00.jpg")
img = color.rgb2gray(filename,as_grey=True)
io.imshow(img)
io.show()

在第2行引发错误说:

AttributeError: 'builtin_function_or_method' object has no attribute 'iterkeys'

追溯:

Traceback (most recent call last):
  File "readImg.py", line 2, in <module>
  filename = io.imread("input00.jpg")
  File "/Library/Python/2.7/site-packages/skimage/io/_io.py", line 97, in imread
img = call_plugin('imread', fname, plugin=plugin, **plugin_args)
  File "/Library/Python/2.7/site-packages/skimage/io/manage_plugins.py", line 209, in    call_plugin
   return func(*args, **kwargs)
  File "/Library/Python/2.7/site-packages/matplotlib-1.4.x-py2.7-macosx-10.9- intel.egg/matplotlib/pyplot.py", line 2198, in imread
  return _imread(*args, **kwargs)
 File "/Library/Python/2.7/site-packages/matplotlib-1.4.x-py2.7-macosx-10.9-intel.egg/matplotlib/image.py", line 1249, in imread
  'more images' % list(six.iterkeys(handlers.keys)))
  File "/Library/Python/2.7/site-packages/six-1.7.2-py2.7.egg/six.py", line …

输入是灰度图像，转换为 130x130 numpy 矩阵。我总是收到错误：

Traceback (most recent call last):
  File "test_final.py", line 87, in <module>
    a._populate_gabor()

  File "C:\Users\Bears\Dropbox\School\Data Science\final.py", line 172, in _populate_gabor
    self.gabor_imgs[i] = self._matrix_2_1d(self._gabor_this(self.grey_imgs[i]),kernels[0])

  File "C:\Users\Bears\Dropbox\School\Data Science\final.py", line 179, in _gabor_this
    filtered = ndi.convolve(image, kernel, mode='reflect')

  File "C:\Users\Bears\Anaconda3\lib\site-packages\scipy\ndimage\filters.py", line 696, in convolve
    origin, True)

  File "C:\Users\Bears\Anaconda3\lib\site-packages\scipy\ndimage\filters.py", line 530, in _correlate_or_convolve
    raise RuntimeError('filter weights array has incorrect shape.')
RuntimeError: filter weights array has incorrect shape.

我的代码如下

def _populate_gabor(self):
    kernels = []
    for theta in range(self.gabor_range[0],self.gabor_range[1]):
        theta = theta / …

我用循环解决了一个问题，但它既慢又非pythonic。我正在寻找面膜解决方案。如果我对具有特定通道值的像素感兴趣，那将很简单：

img[img[:,:,0]==64] = [0,0,0]

把它们全部变黑。我想更改特定颜色，例如[192,0,128]，所以我需要所有三个通道，例如img[ img[:,:,0]==192 and img[:,:,1]==0 and img[:,:,2]==128]=[0,0,0]但当然这是错误的。我也尝试过，np.all(img==[192,0,128])但它也不起作用。

它的scikit-image Download说：

pip install -U scikit-image

或者

easy_install -U scikit-image

但无论标志 U 是什么，都失败了，如下所示：

Georgioss-MacBook-Pro:Downloads gsamaras$ sudo pip install scikit-image
The directory '/Users/gsamaras/Library/Caches/pip/http' or its parent directory is not owned by the current user and the cache has been disabled. Please check the permissions and owner of that directory. If executing pip with sudo, you may want sudo's -H flag.
The directory '/Users/gsamaras/Library/Caches/pip' or its parent directory is not owned by the current user and caching wheels has been …

我正在使用skimage填充二进制输入图像（左侧）的孔。这是我的代码

from skimage import ndimage
img_fill_holes=ndimage.binary_fill_holes(binary).astype(int)

但是，以上代码的结果无法完全填补二进制图像的空白。这意味着输出仍然保留圆内的孔。如何完全填充圆孔？

我的形象是：

我想在此图像中找到质心。我可以通过绘制两条垂直线来找到质心的大致位置，如下图所示：

我想使用python中的图像处理工具找到它。我对python（scikit-image）的图像处理库有一点经验，但是我不确定该库是否可以帮助找到图像的重心。我想知道是否有人可以帮助我做到这一点。如果可以使用python中的任何其他库找到图像中的重心，我将很高兴。在此先感谢您的帮助！

我想在上图中找到亮点并使用一些符号标记它们。为此，我尝试使用OpenCV 已经提供的Hough Circle Transform算法。但是当我运行代码时它给出了某种断言错误。我还尝试了OpenCV 中也提供的Canny 边缘检测算法，但它也给出了某种断言错误。我想知道是否有某种方法可以完成此操作，或者我是否可以防止出现这些错误消息。

我是 OpenCV 的新手，任何帮助将不胜感激。

PS - 如有必要，我也可以使用 Scikit-image。所以如果这可以使用 Scikit-image 来完成，那么请告诉我如何。

下面是我的预处理代码：

import cv2
import numpy as np



image = cv2.imread("image1.png")

gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

binary_image = np.where(gray_image > np.mean(gray_image),1.0,0.0)

binary_image = cv2.Laplacian(binary_image, cv2.CV_8UC1)

在读取PNG图像文件时，我同时使用opencv和skimage和来测试输入过程，发现输入图像的形状不同。是什么原因导致这些差异，为什么要skimage为PNG文件生成四个通道？

这是代码段

from skimage.io import imread
image = imread("C:\\Desktop\\test1.png")
import cv2
img = cv2.imread("C:\\Desktop\\test1.png")
print("skimage shape: ",image.shape)
print("cv2 shape: ",img.shape)

输出是

skimage shape:  (247, 497, 4)
cv2 shape:  (247, 497, 3)