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

用法: skimage.morphology.max_tree(image, connectivity=1)

从图像构建最大树。

组件树表示由应用于图像的顺序阈值操作产生的连接组件的层次结构。如果更高级别的组件包含在第一级中，则一个级别的连接组件是更高级别的组件的父级。 max-tree 是组件树的有效表示。一个级别的连接组件由该级别的一个参考像素表示，该像素是该级别所有其他像素的父级，也是上一级参考像素的父级。 max-tree是许多形态算子的基础，即连通算子。

参数：

image：ndarray: 要计算max-tree 的输入图像。此图像可以是任何类型。
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: 与图像形状相同的数组。每个像素的值是其父级在 raveled 数组中的索引。
tree_traverser：一维数组，int64: 有序像素索引(指的是散列数组)。像素被排序，使得每个像素都位于其父级之前(除了没有父级的根)。

参考：

1: Salembier, P., Oliveras, A., & Garrido, L. (1998). Antiextensive Connected Operators for Image and Sequence Processing. IEEE Transactions on Image Processing, 7(4), 555-570. DOI:10.1109/83.663500
2: Berger, C., Geraud, T., Levillain, R., Widynski, N., Baillard, A., Bertin, E. (2007). Effective Component Tree Computation with Application to Pattern Recognition in Astronomical Imaging. In International Conference on Image Processing (ICIP) (pp. 41-44). DOI:10.1109/ICIP.2007.4379949
3: Najman, L., & Couprie, M. (2006). Building the component tree in quasi-linear time. IEEE Transactions on Image Processing, 15(11), 3531-3539. DOI:10.1109/TIP.2006.877518
4: 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：

我们创建一个小样本图像(来自 [4] 的图 1)并构建 max-tree。

>>> image = np.array([[15, 13, 16], [12, 12, 10], [16, 12, 14]])
>>> P, S = max_tree(image, connectivity=2)

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.max_tree。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：

参考：

例子：