当前位置: 首页>>编程示例 >>用法及示例精选 >>正文

Python skimage.segmentation.felzenszwalb用法及代码示例

用法: skimage.segmentation.felzenszwalb(image, scale=1, sigma=0.8, min_size=20, multichannel=True, *, channel_axis=- 1)

计算 Felsenszwalb 的基于图形的高效图像分割。

在图像网格上使用基于最小生成树的快速聚类生成多通道(即 RGB)图像的过分割。参数scale 设置观察级别。更高的规模意味着更少和更大的细分市场。 sigma 是高斯核的直径，用于在分割之前对图像进行平滑处理。

生成的段数及其大小只能通过 scale 间接控制。图像中的段大小可能会因局部对比度而有很大差异。

对于 RGB 图像，该算法使用颜色空间中像素之间的欧式距离。

参数：

image：(宽度，高度，3)或(宽度，高度)ndarray: 输入图像。
scale：浮点数: 自由参数。更高意味着更大的集群。
sigma：浮点数: 预处理中使用的高斯核的宽度(标准偏差)。
min_size：int: 最小组件尺寸。使用后处理强制执行。
multichannel：布尔值，可选(默认值：True): 图像的最后一个轴是否被解释为多个通道。当前不支持 3D 图像的 False 值。不推荐使用此参数：改为指定 channel_axis。
channel_axis：int 或无，可选: 如果为 None，则假定图像是灰度(单通道)图像。否则，此参数指示数组的哪个轴对应于通道。

返回：

segment_mask：(宽度，高度)ndarray: 指示段标签的整数掩码。

其他参数：

multichannel：DEPRECATED: 已弃用以支持channel_axis。

注意：

原论文中使用的 k 参数在此处重命名为 scale。

参考：

1: Efficient graph-based image segmentation, Felzenszwalb, P.F. and Huttenlocher, D.P. International Journal of Computer Vision, 2004

例子：

>>> from skimage.segmentation import felzenszwalb
>>> from skimage.data import coffee
>>> img = coffee()
>>> segments = felzenszwalb(img, scale=3.0, sigma=0.95, min_size=5)

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.segmentation.felzenszwalb。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。