當前位置: 首頁>>編程示例 >>用法及示例精選 >>正文

Python skimage.segmentation.felzenszwalb用法及代碼示例

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

計算 Felsenszwalb 的基於圖形的高效圖像分割。

在圖像網格上使用基於最小生成樹的快速聚類生成多通道(即 RGB)圖像的過分割。參數scale 設置觀察級別。更高的規模意味著更少和更大的細分市場。 sigma 是高斯核的直徑，用於在分割之前對圖像進行平滑處理。

生成的段數及其大小隻能通過 scale 間接控製。圖像中的段大小可能會因局部對比度而有很大差異。

對於 RGB 圖像，該算法使用顏色空間中像素之間的歐式距離。

參數：

image：(寬度，高度，3)或(寬度，高度)ndarray: 輸入圖像。
scale：浮點數: 自由參數。更高意味著更大的集群。
sigma：浮點數: 預處理中使用的高斯核的寬度(標準偏差)。
min_size：int: 最小組件尺寸。使用後處理強製執行。
multichannel：布爾值，可選(默認值：True): 圖像的最後一個軸是否被解釋為多個通道。當前不支持 3D 圖像的 False 值。不推薦使用此參數：改為指定 channel_axis。
channel_axis：int 或無，可選: 如果為 None，則假定圖像是灰度(單通道)圖像。否則，此參數指示數組的哪個軸對應於通道。

返回：

segment_mask：(寬度，高度)ndarray: 指示段標簽的整數掩碼。

其他參數：

multichannel：DEPRECATED: 已棄用以支持channel_axis。

注意：

原論文中使用的 k 參數在此處重命名為 scale。

參考：

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)

相關用法

注：本文由純淨天空篩選整理自scikit-image.org大神的英文原創作品 skimage.segmentation.felzenszwalb。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。