Python cucim.skimage.morphology.thin用法及代码示例

用法: cucim.skimage.morphology.thin(image, max_iter=None)

执行二值图像的形态细化。

参数：

image：二进制(M，N)ndarray: 要细化的图像。
max_iter：int 迭代次数，可选: 无论此参数的值如何，如果迭代没有产生变化，则立即返回细化的图像。如果指定了此参数，则它会设置执行迭代次数的上限。

out：布尔数组: 变薄的图像。

注意：

该算法 [1] 的工作原理是在图像上进行多次传递，删除与一组旨在细化连接区域的标准相匹配的像素，同时保留 eight-connected 组件和 2 x 2 正方形 [2] 。在两个sub-iterations 中的每一个中，该算法将中间骨架图像与邻域掩码相关联，然后在查找表中查找每个邻域，指示是否应删除该sub-iteration 中的中心像素。

参考：

1: Z. Guo and R. W. Hall, “Parallel thinning with two-subiteration algorithms,” Comm. ACM, vol. 32, no. 3, pp. 359-373, 1989. DOI:10.1145/62065.62074
2: Lam, L., Seong-Whan Lee, and Ching Y. Suen, “Thinning Methodologies-A Comprehensive Survey,” IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol 14, No. 9, p. 879, 1992. DOI:10.1109/34.161346

例子：

>>> square = np.zeros((7, 7), dtype=np.uint8)
>>> square[1:-1, 2:-2] = 1
>>> square[0, 1] =  1
>>> square
array([[0, 1, 0, 0, 0, 0, 0],
       [0, 0, 1, 1, 1, 0, 0],
       [0, 0, 1, 1, 1, 0, 0],
       [0, 0, 1, 1, 1, 0, 0],
       [0, 0, 1, 1, 1, 0, 0],
       [0, 0, 1, 1, 1, 0, 0],
       [0, 0, 0, 0, 0, 0, 0]], dtype=uint8)
>>> skel = thin(square)
>>> skel.astype(np.uint8)
array([[0, 1, 0, 0, 0, 0, 0],
       [0, 0, 1, 0, 0, 0, 0],
       [0, 0, 0, 1, 0, 0, 0],
       [0, 0, 0, 1, 0, 0, 0],
       [0, 0, 0, 1, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0]], dtype=uint8)

相关用法

注：本文由纯净天空筛选整理自rapids.ai大神的英文原创作品 cucim.skimage.morphology.thin。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

注意：

参考：

例子：