Python skimage.morphology.diameter_closing用法及代码示例

用法: skimage.morphology.diameter_closing(image, diameter_threshold=8, connectivity=1, parent=None, tree_traverser=None)

执行图像的直径闭合。

直径闭合会移除最大扩展小于 diameter_threshold 的图像的所有暗结构。最大扩展定义为边界框的最大扩展。该运算符也称为边界框关闭。在实践中，结果类似于形态闭合，但不会去除细长结构。

从技术上讲，此运算符基于图像的max-tree 表示。

参数：

image：ndarray: 要计算diameter_closing 的输入图像。此图像可以是任何类型。
diameter_threshold：无符号int: 最大扩展参数(像素数)。默认值为 8。
connectivity：无符号 int 可选: 邻里连通性。整数表示到达邻居的最大正交步数。在 2D 中，4 邻域为 1，8 邻域为 2。默认值为 1。
parent：ndarray，int64，可选: 表示倒置图像的最大树的预计算父图像。如果提供了预先计算的父级和tree_traverser，则此函数很快。有关详细信息，请参阅注释。
tree_traverser：一维数组，int64，可选: 预先计算的遍历器，其中像素被排序，使得每个像素都在其父级之前(除了没有父级的根)。如果提供了预先计算的父级和tree_traverser，则此函数很快。有关详细信息，请参阅注释。

output：ndarray: 与输入图像具有相同形状和类型的输出图像。

注意：

如果给函数一个max-tree表示(parent和tree_traverser)，它们必须从这个函数的倒置图像中计算出来，即：>>> P, S = max_tree(invert(f)) > >> 关闭 = diameter_closing(f, 3, parent=P, tree_traverser=S)

参考：

1: Walter, T., & Klein, J.-C. (2002). Automatic Detection of Microaneurysms in Color Fundus Images of the Human Retina by Means of the Bounding Box Closing. In A. Colosimo, P. Sirabella, A. Giuliani (Eds.), Medical Data Analysis. Lecture Notes in Computer Science, vol 2526, pp. 210-220. Springer Berlin Heidelberg. DOI:10.1007/3-540-36104-9_23
2: Carlinet, E., & Geraud, T. (2014). A Comparative Review of Component Tree Computation Algorithms. IEEE Transactions on Image Processing, 23(9), 3885-3895. DOI:10.1109/TIP.2014.2336551

例子：

我们创建一个图像(二次函数，中心有一个最小值，另外还有 4 个局部最小值。

>>> w = 12
>>> x, y = np.mgrid[0:w,0:w]
>>> f = 180 + 0.2*((x - w/2)**2 + (y-w/2)**2)
>>> f[2:3,1:5] = 160; f[2:4,9:11] = 140; f[9:11,2:4] = 120
>>> f[9:10,9:11] = 100; f[10,10] = 100
>>> f = f.astype(int)

我们可以计算直径闭合：

>>> closed = diameter_closing(f, 3, connectivity=1)

所有最大扩展为 2 或更少的小最小值都被删除。剩余的最小值都具有至少 3 的最大扩展。

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.morphology.diameter_closing。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：