image-processing - 如何计算 scikit 图像或 mahotas 中的黑色空间数量？

Question

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)

有没有办法计算黑色空间的数量？（在这张图六中）除了 scikit-image 或 mahotas 中的背景？

Answer 1

使用此输入：

你可以做：

>>> from skimage import morphology
>>> import numpy as np
>>> from scipy.misc import imread
>>> im = imread("Bju1h.png")
>>> im = im > 0
>>> np.unique(morphology.label(im))
array([0, 1, 2, 3, 4, 5, 6, 7])
>>> num_components = len(np.unique(morphology.label(im))) - 2
>>> num_components
6

我减去 2 以忽略背景分量和前景/线条分量。从您的原始图像中，您可以跳过骨架化步骤并使用 运行它im = gray > 0，因为宽前景/线仍将被标记为单个组件。

Answer 2

单独使用 scipy.ndimage 的解决方案

from  scipy import ndimage as nd
from matplotlib import pyplot as plt

star = nd.imread('/home/jeanpat/Images/star.jpg')
star = star[:,:,0]
thr = star < 120
anti = star >119
mask = nd.morphology.binary_fill_holes(thr)

lab, n = nd.label(anti*mask)
plt.title(str(n)+' objects detected')
plt.imshow(lab)
plt.show()