问题标签 [scipy.ndimage]

我正在尝试分析灰度 TIFF 堆栈，其中给定的帧看起来像这样。我对其进行过滤（使用高斯模糊），然后对其进行二值化（使用 Otsu 的阈值方法）。

MATLAB 代码，效果很好：

示例图像中的每个白点都被拾取，其体积（以像素为单位）非常准确地由 给出object_size。

Python代码：

Python 代码似乎工作得很好……除了大多数检测到的对象将有object_size1 - 200 个，然后几个将有几千个像素的大小。

这些功能有什么不同？我很乐意在 Python 中尝试另一种方法来计算对象大小，但我很难找到另一种方法。如果我能找到一个很好的 Matlabbwconncomp函数替代品，那么拥有这段代码的 Python 版本会很棒。

我想做的是图像识别

1. 给定图像（5000 × 3500）尺寸（白色背景）

2. 图像将具有几何图形以及字母数字

3. python会做识别。

我需要在 python 中计算运行中位数。目前我这样做：

在这里，数据存储在 dx（x 坐标）和 dy（y 坐标）中，中值被 dy 取代并绘制在 dx 上（必须移动 window/2）。假设 x 和窗口大小的均匀间距为 20。

有没有更短的方法？

例如，运行平均可以这样完成：

在站点包中预定义的运行 X函数也可以。

我正在尝试一些计算机视觉技术，特别是特征检测。我试图通过在图像和特征内核之间进行自相关来识别特征。

但是，生成的相关矩阵对我来说没有意义......谁能帮我理解如何解释或可视化这个矩阵，以便特征所在的位置很明显？

功能内核：

原图：

代码：

结果：

因此，在第一个结果图像中，在 (150,200) 处有一个明显的最大值点。我将此解释为该功能最可能的位置。

然而，在第二个结果图像，相关矩阵结果中，没有明显的模式。我期待会有一些明显的高相关点。

帮助？

可以使用以下命令将高斯滤波器应用于图像：

1. cv.GaussianBlur(src, ksize, sigmaX[, dst[, sigmaY[, borderType=BORDER_DEFAULT]]] )

例如：

答案是：

2. from scipy.ndimage import gaussian_filter gaussian_filter(a, sigma=1,mode='constant',cval=0)

例如，我的代码是：

答案是：

3. 我们可以使用方程 $G(x,y) = \frac{1}{2\pi \sigma^2}e^{-\frac{x^2+y^2}{2\sigma^ 创建我们的过滤器2}}$，然后使用cv2.filter2D命令将此文件管理器应用于图像。

例如，我的代码是：

答案是：

所有这些方法的答案都是不同的，所以我的问题是过滤器使用了哪些内核值（系数）。

我想调整（缩小）脑肿瘤分割的地面真实 3d 图像的大小。

以下是一些 gt + 大脑图像：

Gt 图像是 3d numpy 数组，仅包含 0 和 1 值（只有绿色体素和黑色体素，gt 图像中不包括大脑）。

我使用了 scipy zoom，顺序为 3 和最近模式。调整图像大小后，其中一些还可以，但有些则不行。您可以在上面的第一张和第二张图片中看到问题。肿瘤区域有许多在调整大小之前不存在的孔。第三张图似乎没有问题。

我在缩放功能中修改了一些选项，但没有找到合适的解决方案。请帮我解决这个问题。谢谢你。

寻找一种方法来填充任意形状内的所有值的梯度值......它必须遵循形状的轮廓。例如，gimp 中的“渐变形状”填充工具将为您提供：

输出应该是一个 2d numpy 数组。

我第一次尝试使用 scipy.ndimage.generic_filter1d ，但进展不顺利。这就是我正在尝试的

但我得到这个错误：

我正在使用 scipy 1.4.1 我做错了什么？

对于该功能，我也尝试了 np.mean 但后来我得到了这个：

我试图找到在不同帧中检测到的所有对象，我认为这将给出阈值中检测到的每个区域的列表，但是find_objects给出了一堆“无”和整个图像的范围？

相关代码可以从这里测试

我有一个数据框 df，代表一个相关矩阵，这个热图带有示例极值。显然，每个点都有 (x,y,value)：

我正在研究获取局部极值。我查看了argrelextrema，我在各个行上进行了尝试，结果符合预期，但这不适用于 2D。我也研究过scipy.signal.find_peaks，但这是针对一维数组的。

Python中是否有任何东西会返回超过/低于某些值（阈值）的局部极值？类似于 (x, y, value) 的数组？如果没有，那么你能指出我正确的方向吗？