Махотас - перемаркировка
В этой статье мы увидим, как изменить маркировку изображения в махотах. Переназначение используется для обозначения уже помеченного изображения, это необходимо, потому что иногда есть много ярлыков, которые пользователь удаляет, поэтому, когда это изображение будет переназначено, мы также получим новый номер ярлыка. Мы используем метод mahotas.label для маркировки изображения
Для этого мы собираемся использовать изображение флуоресцентной микроскопии из теста ядерной сегментации. Мы можем получить изображение с помощью команды, приведенной ниже
mhotas.demos.nuclear_image ()
Ниже ядерное изображение
Помеченные изображения - это целые изображения, значения которых соответствуют разным регионам. То есть, область 1 - это все пиксели со значением 1, область два - это пиксели со значением 2 и т. Д.
Для этого воспользуемся методом mahotas.relabel.
Syntax : mahotas.relabel(labelled)
Argument : It takes labelled image object as argument
Return : It returns the labelled image and integer i.e number of labels
Example 1:
Python3
# importing required libraries import mahotas import numpy as np from pylab import imshow, show import os # loading nuclear image f = mahotas.demos.load( "nuclear" ) # setting filter to the image f = f[:, :, 0 ] # setting gaussian filter f = mahotas.gaussian_filter(f, 4 ) # setting threshold value f = (f> f.mean()) # creating a labelled image labelled, n_nucleus = mahotas.label(f) # printing number of labels print ( "Count : " + str (n_nucleus)) # showing the labelled image print ( "Labelled Image" ) imshow(labelled) show() # removing border labels labelled = mh.labelled.remove_bordering(labelled) # relabling the labelled image relabelled, n_left = mahotas.labelled.relabel(labelled) # showing number of labels print ( "Count : " + str (n_left)) # showing the image print ( "No border Label" ) imshow(relabelled) show() |
Выход :
Example 2:
Python3
# importing required libraries import numpy as np import mahotas from pylab import imshow, show # loading image img = mahotas.imread( "dog_image.png" ) # filtering the image img = img[:, :, 0 ] # setting gaussian filter gaussian = mahotas.gaussian_filter(img, 15 ) # setting threshold value gaussian = (gaussian > gaussian.mean()) # creating a labelled image labelled, n_nucleus = mahotas.label(gaussian) # printing number of labels print ( "Count : " + str (n_nucleus)) print ( "Labelled Image" ) # showing the gaussian filter imshow(labelled) show() # removing border labels labelled = mh.labelled.remove_bordering(labelled) # relabling the labelled image relabelled, n_left = mahotas.labelled.relabel(labelled) # showing number of labels print ( "Count : " + str (n_left)) # showing the image print ( "No border Label" ) imshow(relabelled) show() |
Выход :
Внимание компьютерщик! Укрепите свои основы с помощью базового курса программирования Python и изучите основы.
Для начала подготовьтесь к собеседованию. Расширьте свои концепции структур данных с помощью курса Python DS. А чтобы начать свое путешествие по машинному обучению, присоединяйтесь к курсу Машинное обучение - базовый уровень.