Python skimage.feature.draw_haar_like_feature用法及代码示例

用法: skimage.feature.draw_haar_like_feature(image, r, c, width, height, feature_coord, color_positive_block=(1.0, 0.0, 0.0), color_negative_block=(0.0, 1.0, 0.0), alpha=0.5, max_n_features=None, random_state=None)

Haar-like 特征的可视化。

参数：

image：(M, N) ndarray

需要计算特征的积分图像的区域。

r：int

检测窗口左上角的Row-coordinate。

c：int

检测窗口左上角的Column-coordinate。

width：int

检测窗口的宽度。

height：int

检测窗口的高度。

feature_coord：元组列表的 ndarray 或无，可选

要提取的坐标数组。当您只想重新计算特征的子集时，这很有用。在这种情况下feature_type需要是一个包含每个特征类型的数组，由返回skimage.feature.haar_like_feature_coord.默认情况下，计算所有坐标。

color_positive_block：3 个浮点数的元组

指定正块颜色的浮点数。对应的值定义了 (R, G, B) 值。默认值为红色 (1, 0, 0)。

color_negative_block：3 个浮点数的元组

为负块指定颜色的浮点数对应的值定义(R，G，B)值。默认值为蓝色 (0, 1, 0)。

alpha：浮点数

[0, 1] 范围内的值，用于指定可视化的不透明度。 1 - 完全透明，0 - 不透明。

max_n_features：int 默认=无

要返回的最大特征数。默认情况下，返回所有函数。

random_state：{无，int numpy.random.Generator }，可选

如果random_state是没有的numpy.random.Generator使用单例。如果random_state是一个int 一个新的Generator使用实例，播种random_state.如果random_state已经是一个Generator实例然后使用该实例。

当生成一组小于可用特征总数的特征时使用随机状态。

features：(M, N), ndarray: 将添加不同函数的图像。

例子：

>>> import numpy as np
>>> from skimage.feature import haar_like_feature_coord
>>> from skimage.feature import draw_haar_like_feature
>>> feature_coord, _ = haar_like_feature_coord(2, 2, 'type-4')
>>> image = draw_haar_like_feature(np.zeros((2, 2)),
...                                0, 0, 2, 2,
...                                feature_coord,
...                                max_n_features=1)
>>> image
array([[[0. , 0.5, 0. ],
        [0.5, 0. , 0. ]],

       [[0.5, 0. , 0. ],
        [0. , 0.5, 0. ]]])

相关用法

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.draw_haar_like_feature。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：

例子：