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