用法:
skimage.feature.blob_log(image, min_sigma=1, max_sigma=50, num_sigma=10, threshold=0.2, overlap=0.5, log_scale=False, *, threshold_rel=None, exclude_border=False)
在给定的灰度图像中查找 blob。
使用高斯拉普拉斯算子 (LoG) 方法 [1] 找到 Blob。对于找到的每个 blob,该方法返回其坐标和检测到 blob 的高斯核的标准偏差。
- image:ndarray
输入灰度图像,假设斑点在深色背景上是亮的(黑底白字)。
- min_sigma:标量或标量序列,可选
高斯核的最小标准偏差。保持这个低以检测较小的斑点。每个轴的高斯滤波器的标准偏差作为一个序列或单个数字给出,在这种情况下,它对所有轴都是相等的。
- max_sigma:标量或标量序列,可选
高斯核的最大标准偏差。保持这个高以检测更大的斑点。每个轴的高斯滤波器的标准偏差作为一个序列或单个数字给出,在这种情况下,它对所有轴都是相等的。
- num_sigma:整数,可选
min_sigma 和 max_sigma 之间要考虑的标准差中间值的数量。
- threshold:浮点数或无,可选
尺度空间最大值的绝对下限。小于阈值的局部最大值被忽略。减少它以检测强度较低的斑点。如果还指定了threshold_rel,则将使用较大的阈值。如果没有,则使用threshold_rel。
- overlap:浮点数,可选
一个介于 0 和 1 之间的值。如果两个斑点的面积重叠的部分大于阈值,则消除较小的斑点。
- log_scale:布尔型,可选
如果设置的标准偏差的中间值使用以 10 为底的对数刻度进行插值。如果没有,则使用线性插值。
- threshold_rel:浮点数或无,可选
峰的最小强度,计算为
max(log_space) * threshold_rel
,其中log_space
指内部计算的Laplacian-of-Gaussian (LoG) 图像堆栈。这应该有一个介于 0 和 1 之间的值。如果没有,临界点改为使用。- exclude_border:ints、int 或 False 的元组,可选
如果是整数元组,则元组的长度必须与输入数组的维度匹配。元组的每个元素将排除沿着该维度的图像边界的 exclude_border 像素内的峰值。如果整数非零,则 exclude_border 排除图像边界的 exclude_border 像素内的峰值。如果为零或假,则无论峰与边界的距离如何,都会识别峰。
- A:(n, image.ndim + sigma) ndarray
一个 2d 数组,每行表示 2D 图像的 2 个坐标值,或 3D 图像的 3 个坐标值,加上使用的 sigma。当通过单个 sigma 时,输出为:
(r, c, sigma)
或(p, r, c, sigma)
其中(r, c)
或(p, r, c)
是 blob 的坐标,sigma
是检测到 blob 的高斯内核的标准偏差。当使用各向异性高斯函数(每个维度的 sigma)时,会为每个维度返回检测到的 sigma。
参数:
返回:
注意:
对于 2-D 图像,每个 blob 的半径约为 ,对于 3-D 图像,其半径约为 。
参考:
例子:
>>> from skimage import data, feature, exposure >>> img = data.coins() >>> img = exposure.equalize_hist(img) # improves detection >>> feature.blob_log(img, threshold = .3) array([[124. , 336. , 11.88888889], [198. , 155. , 11.88888889], [194. , 213. , 17.33333333], [121. , 272. , 17.33333333], [263. , 244. , 17.33333333], [194. , 276. , 17.33333333], [266. , 115. , 11.88888889], [128. , 154. , 11.88888889], [260. , 174. , 17.33333333], [198. , 103. , 11.88888889], [126. , 208. , 11.88888889], [127. , 102. , 11.88888889], [263. , 302. , 17.33333333], [197. , 44. , 11.88888889], [185. , 344. , 17.33333333], [126. , 46. , 11.88888889], [113. , 323. , 1. ]])
相关用法
- Python skimage.feature.blob_doh用法及代码示例
- Python skimage.feature.blob_dog用法及代码示例
- Python skimage.feature.graycomatrix用法及代码示例
- Python skimage.feature.graycoprops用法及代码示例
- Python skimage.feature.corner_orientations用法及代码示例
- Python skimage.feature.structure_tensor用法及代码示例
- Python skimage.feature.hessian_matrix用法及代码示例
- Python skimage.feature.ORB用法及代码示例
- Python skimage.feature.corner_subpix用法及代码示例
- Python skimage.feature.canny用法及代码示例
- Python skimage.feature.peak_local_max用法及代码示例
- Python skimage.feature.CENSURE用法及代码示例
- Python skimage.feature.hessian_matrix_eigvals用法及代码示例
- Python skimage.feature.corner_foerstner用法及代码示例
- Python skimage.feature.haar_like_feature_coord用法及代码示例
- Python skimage.feature.corner_harris用法及代码示例
- Python skimage.feature.corner_fast用法及代码示例
- Python skimage.feature.BRIEF用法及代码示例
- Python skimage.feature.haar_like_feature用法及代码示例
- Python skimage.feature.SIFT用法及代码示例
- Python skimage.feature.structure_tensor_eigvals用法及代码示例
- Python skimage.feature.shape_index用法及代码示例
- Python skimage.feature.corner_peaks用法及代码示例
- Python skimage.feature.corner_moravec用法及代码示例
- Python skimage.feature.structure_tensor_eigenvalues用法及代码示例
注:本文由纯净天空筛选整理自scikit-image.org大神的英文原创作品 skimage.feature.blob_log。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。