Mahotas 简明教程

Mahotas - Making Image Wavelet Center

图像小波中心化是指将图像的小波系数移至小波中心，小波中心是小波达到最大幅值的一个点。小波系数是表示图像中不同频率贡献的数值。

通过使用小波变换将图像分解为单个波，可以获得小波系数。通过对系数进行中心化，低频和高频可以与中心频率对齐，从而去除图像噪声。

Making Image Wavelet Center in Mahotas

在 Mahotas 中，我们可以使用 mahotas.wavelet_center() 函数创建图像小波中心来减少噪声。此函数执行两个主要步骤来使图像小波中心化，如下所示：

  1. 首先，它将原始图像的信号 分解为小波系数。

  2. 接下来，它获取近似系数（即低频系数）并将它们与中心频率对齐。

通过对齐频率，去除图像的平均强度，从而去除噪声。

The mahotas.wavelet_center() function

mahotas.wavelet_center() 函数以图像为输入，并返回一个新的图像，其中小波中心位于原点。

它使用小波变换对原始输入图像进行分解（分解），然后将小波系数移至频谱中心的中心。

在查找图像小波中心时，此函数会忽略指定像素大小的边界区域。

以下是 Mahotas 中 wavelet_center() 函数的基本语法：

mahotas.wavelet_center(f, border=0, dtype=float, cval=0.0)

其中，

  1. f − 这是输入图像。

  2. border (optional) − 它是边框面积的大小（默认为 0 或无边框）。

  3. dtype (optional) − 是返回图像的数据类型（默认为 float）。

  4. cval (optional) − 它用于填充边框区域的值（默认为 0）。

在以下示例中，我们使用 mh.wavelet_center() 函数制作图像小波中心。

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# Loading the image
image = mh.imread('sun.png')
# Converting it to grayscale
image = mh.colors.rgb2gray(image)
# Centering the image
centered_image = mh.wavelet_center(image)
# Creating a figure and axes for subplots
fig, axes = mtplt.subplots(1, 2)
# Displaying the original image
axes[0].imshow(image, cmap='gray')
axes[0].set_title('Original Image')
axes[0].set_axis_off()
# Displaying the centered image
axes[1].imshow(centered_image, cmap='gray')
axes[1].set_title('Centered Image')
axes[1].set_axis_off()
# Adjusting spacing between subplots
mtplt.tight_layout()
# Showing the figures
mtplt.show()

以下是上面代码的输出： -

wavelet center image

Centering using a Border

我们可以使用边界执行图像小波中心，以操作输出图像。边界区域是指图像中围绕对象的一个区域。它将对象与背景区域或相邻对象分隔开。

在mahotas中，我们可以通过将像素值设置为零来定义一个在小波中心时不应该考虑的区域。这是通过将一个值传递给 mahotas.wavelet_center() 函数的 border 参数来完成的。

该函数在执行图像小波中心时忽略参数中指定的像素数。例如，如果 border 参数设置为 500，则在对图像小波进行中心化时将忽略所有侧面的 500 个像素。

Example

在下面提到的示例中，我们在对图像小波进行中心化时忽略了一定大小的边界。

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# Loading the image
image = mh.imread('sea.bmp')
# Converting it to grayscale
image = mh.colors.rgb2gray(image)
# Centering the image with border
centered_image = mh.wavelet_center(image, border=500)
# Creating a figure and axes for subplots
fig, axes = mtplt.subplots(1, 2)
# Displaying the original image
axes[0].imshow(image, cmap='gray')
axes[0].set_title('Original Image')
axes[0].set_axis_off()
# Displaying the centered image
axes[1].imshow(centered_image, cmap='gray')
axes[1].set_title('Centered Image')
axes[1].set_axis_off()
# Adjusting spacing between subplots
mtplt.tight_layout()
# Showing the figures
mtplt.show()

上述代码的输出如下：

border image

Centering by applying Padding

我们还可以通过对边界区域填充一定色度的灰色来进行中心化。

填充是指在图像边缘周围添加额外的像素值以创建边界的技术。

在mahotas中，可以通过将一个值指定给 mahotas.wavelet_center() 函数的 cval 参数来应用填充。它允许我们用一种颜色的边界区域进行填充，取值范围从 0（黑色）到 255（白色）。

Note − 只有在存在边界区域时才能应用填充。因此，值或 border 参数不应为 0。

Example

在这里，我们在中心化图像小波时忽略了一个特定像素大小的边界并应用填充。

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# Loading the image
image = mh.imread('nature.jpeg')
# Converting it to grayscale
image = mh.colors.rgb2gray(image)
# Centering the image with border
centered_image = mh.wavelet_center(image, border=100, cval=109)
# Creating a figure and axes for subplots
fig, axes = mtplt.subplots(1, 2)
# Displaying the original image
axes[0].imshow(image, cmap='gray')
axes[0].set_title('Original Image')
axes[0].set_axis_off()
# Displaying the centered image
axes[1].imshow(centered_image, cmap='gray')
axes[1].set_title('Centered Image')
axes[1].set_axis_off()
# Adjusting spacing between subplots
mtplt.tight_layout()
# Showing the figures
mtplt.show()

执行上面的代码后，我们得到以下输出： -

padding image