当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

Python skimage.transform.hough_ellipse用法及代码示例

用法: skimage.transform.hough_ellipse(image, threshold=4, accuracy=1, min_size=4, max_size=None)

执行椭圆霍夫变换。

参数：

image：(M, N) ndarray: 具有表示边的非零值的输入图像。
threshold：int 可选: 累加器阈值。
accuracy：双，可选: 累加器中使用的短轴上的 bin 大小。
min_size：int 可选: 最小长轴长度。
max_size：int 可选: 最大短轴长度。如果为 None，则该值设置为较小图像尺寸的一半。

返回：

result：具有字段 [(accumulator, yc, xc, a, b,orientation)] 的 ndarray。: 在哪里(yc, xc)是中心，(a, b)分别是长轴和短轴。这方向值跟随skimage.draw.ellipse_perimeter惯例。

注意：

必须选择精度以在累加器分布中产生峰值。换句话说，具有低值的平坦累加器分布可能是由太低的 bin 大小引起的。

参考：

1: Xie, Yonghong, and Qiang Ji. “A new efficient ellipse detection method.” Pattern Recognition, 2002. Proceedings. 16th International Conference on. Vol. 2. IEEE, 2002

例子：

>>> from skimage.transform import hough_ellipse
>>> from skimage.draw import ellipse_perimeter
>>> img = np.zeros((25, 25), dtype=np.uint8)
>>> rr, cc = ellipse_perimeter(10, 10, 6, 8)
>>> img[cc, rr] = 1
>>> result = hough_ellipse(img, threshold=8)
>>> result.tolist()
[(10, 10.0, 10.0, 8.0, 6.0, 0.0)]

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.transform.hough_ellipse。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。