2

我一直在使用 skimage.segmentation 模块来查找图像中的连续片段。例如，

这个图片

段很好地

分段的

我希望能够单独查看原始图像的不同区域（这样上面的图像会产生 6 个大致矩形的子图像）。我在这方面取得了一定程度的成功，但这很困难。我可以使用任何预先存在的模块来完成此操作吗？

如果没有，将不胜感激高级算法建议。

到目前为止的方法：

image_slic = seg.slic(image, n_segments=6)
borders = seg.find_boundaries(image_slic)
sub_images = []
new_seg = []
for every row of borders:
     new_seg.append([])
    for every pixel in every row:
         if (pixel is not a border and is not already processed):
              new_seg[-1].append(pixel)
              Mark pixel as processed
         elif (pixel is a border and is not already processed):
              break
    if (on the first pixel of a row OR the first unprocessed pixel):
         sub_images.append(new_seg)
         new_seg = []

使用这种方法，我可以从示例图像中生成与左侧接壤的四个区域，而不会出错。虽然上面的伪代码中没有显示它，但我还在用透明像素填充片段以保持它们的形状。这种额外的考虑使得寻找右侧子图像更加困难。

4

1 回答 1

3

这可以通过 NumPy 的布尔索引轻松完成：

import numpy as np
from skimage import io, segmentation
import matplotlib.pyplot as plt

n_segments = 6
fig_width = 2.5*n_segments

img = io.imread('https://i.imgur.com/G44JEG7.png')
segments = segmentation.slic(img, n_segments=n_segments)

fig, ax = plt.subplots(1, n_segments)
fig.set_figwidth(fig_width)

for index in np.unique(segments):
    segment = img.copy()
    segment[segments!=index] = 0
    ax[index].imshow(segment)
    ax[index].set(title=f'Segment {index}')
    ax[index].set_axis_off()

plt.show(fig)

细分市场

您可以使用 NumPy 的where函数获得相同的结果，如下所示：

for index in np.unique(segments):
    segment = np.where(np.expand_dims(segments, axis=-1)==index, img, [0, 0, 0])
于 2019-05-17T22:04:33.747 回答