3

我使用 scikit 图像库中的 quickshift 方法分割了我的图像。如何计算超像素的平均颜色和面积？如何解释 quickshift() 方法的返回值？文档说返回值是“指示段标签的整数掩码”，但这对我来说并不清楚。我怎样才能制作一个原始图像形状的布尔数组，填充那些存在特定超像素的布尔数组，在这个演示文稿中我的生活会更轻松（我曾经在 OpenCV 中使用这种掩码）。你能帮我解决这个问题吗？我的代码（来自 scikit-image 网站的简化示例）：

from skimage.data import astronaut
from skimage.segmentation import felzenszwalb, slic, quickshift
from skimage.segmentation import mark_boundaries
from skimage.util import img_as_float

img = img_as_float(astronaut()[::2, ::2])
segments_quick = quickshift(img, kernel_size=3, max_dist=6, ratio=0.5)

print("Quickshift number of segments: %d" % len(np.unique(segments_quick)))
plt.imshow(mark_boundaries(img, segments_quick))

plt.show()
4

3 回答 3

8

该skimage.measure.regionprops函数返回标记区域的属性，包括您感兴趣的属性：平均值和面积。您可以按如下方式使用它：

from skimage import measure
regions = measure.regionprops(segments_quick, intensity_image=img)

regions是一个列表，每个条目都有一个表示超像素的 RegionProperty 对象。您可以按如下方式查询区域属性：

print([r.area for r in regions])
print([r.mean_intensity for r in regions])
于 2017-01-10T22:18:50.170 回答
5

这是一个简单、直接和通用的代码，用它的超像素的平均值来表示每个像素。

这里的标签数组是使用 SLIC 获得的，任何其他方法都可以用来生成标签。

import numpy as np
import cv2
from skimage import segmentation
from skimage.data import astronaut

img=cv2.cvtColor(astronaut(),cv2.COLOR_BGR2RGB)

在此处输入图像描述

label=segmentation.slic(img,compactness=10, n_segments=1000)

def mean_image(image,label):

im_rp=image.reshape((image.shape[0]*image.shape[1],image.shape[2]))
sli_1d=np.reshape(label,-1)    
uni=np.unique(sli_1d)
uu=np.zeros(im_rp.shape)
for i in uni:
    loc=np.where(sli_1d==i)[0]
    #print(loc)
    mm=np.mean(im_rp[loc,:],axis=0)
    uu[loc,:]=mm
oo=np.reshape(uu,[image.shape[0],image.shape[1],image.shape[2]]).astype('uint8')
cv2.imshow('img',oo)

output=mean_image(img,label) # displays the output image.

在此处输入图像描述

于 2019-09-01T14:29:50.143 回答
0

对我来说最简单的方法是：

from skimage import segmentation, color
from skimage.io import imread
from skimage.future import graph
from matplotlib import pyplot as plt
img = imread('test.jpeg')

img_segments = segmentation.slic(img, compactness=20, n_segments=500)
superpixels = color.label2rgb(img_segments, img, kind='avg')
于 2021-03-02T10:29:47.497 回答