Morphological Image Processing¶
Bu bölümde, ilk önce ikili görüntülerde ve ardından gri tonlamalı görüntülerde birkaç morfolojik işlem gerçekleştirmek için, scikit-image'ın morfoloji modülündeki işlevlerin nasıl kullanılacağını göstereceğiz.
İkili işlemler (Binary operations)¶
İkili görüntülerde morfolojik işlemlerle başlayalım. İşlevleri çağırmadan önce ikili giriş görüntüsü (örneğin, sabit eşikli basit eşikli) oluşturmamız gerekir. Erozyon
Erozyon, ön plandaki nesnelerin boyutunu küçülten, nesne sınırlarını düzelten ve yarımadaları, parmakları ve küçük nesneleri kaldıran temel bir morfolojik işlemdir. Aşağıdaki kod bloğu, ikili bir görüntünün hızlı ikili morfolojik aşınmasını hesaplayan binary_erosion () işlevinin nasıl kullanılacağını gösterir:
%matplotlib inline
from skimage.io import imread
from skimage.color import rgb2gray
import matplotlib.pyplot as plt
from skimage.morphology import binary_erosion, binary_dilation, rectangle, binary_opening, binary_closing, disk
import numpy as np
def plot_image(image, title=''):
plt.title(title, size=20), plt.imshow(image)
plt.axis('off') # comment this line if you want axis ticks
def plot_images_horizontally(original, filtered, filter_name, sz=(18,7)):
plt.gray()
plt.figure(figsize = sz)
plt.subplot(1,2,1), plot_image(original, 'original')
plt.subplot(1,2,2), plot_image(filtered, filter_name)
plt.show()
im = rgb2gray(imread('images/clock.png'))
im[im <= 0.5] = 0 # create binary image with fixed threshold 0.5
im[im > 0.5] = 1
plt.gray()
plt.figure(figsize=(20,10))
plt.subplot(1,3,1), plot_image(im, 'original')
im1 = binary_erosion(im, rectangle(1,5))
plt.subplot(1,3,2), plot_image(im1, 'erosion with rectangle size (1,5)')
im1 = binary_erosion(im, rectangle(1,15))
plt.subplot(1,3,3), plot_image(im1, 'erosion with rectangle size (1,15)')
plt.show()
Farklı şekilde yapısal ögeler kullanılabilir¶
Farklı büyüklüklerde yapısal ögeler kullanılabilir¶
from skimage.morphology import square
from skimage.morphology import dilation, erosion, closing, opening, square
img = imread('images/einstein.jpg')
img = rgb2gray(img)
# kare filtre
struct_elem = square(20)
eroded = erosion(img, struct_elem)
plot_images_horizontally(img, eroded, 'erosion')
Dilation¶
Dilatasyon, erozyonun büzüldüğü ön plan nesnelerini genişletir. Genişleme, aynı zamanda sınırları düzgünleştirir, ikili görüntülerde boşlukları ve boşlukları kapatır.
from skimage.morphology import binary_dilation, disk
from skimage import img_as_float
img = rgb2gray(img_as_float(imread('images/einstein.jpg')))
img[img <= 0.5] = 0
img[img > 0.5] = 1
plt.gray()
plt.figure(figsize=(18,9))
plt.subplot(131)
plt.imshow(img)
plt.title('original', size=20)
plt.axis('off')
for d in range(1,3):
plt.subplot(1,3,d+1)
im1 = binary_dilation(img, disk(2*d))
plt.imshow(im1)
plt.title('dilation with disk size ' + str(2*d), size=20)
plt.axis('off')
plt.show()
dilated = dilation(img, struct_elem)
plot_images_horizontally(img, dilated, 'dilation')
Açınım ve Kapanım¶
Erosion ve dilation operatörlerinin görüntü üzerine birlikte uygulanması ile gerçekleşir.
Opening (açınım) Öncelikli olarak erosion operatörü uygulanır ve ardından dilation operatörü uygulanır.
Closing (Kapanım) Görüntüye dilation operatörü uygulanır ve ardından Erosion operatörü uygulanır.
Açınım küçük nesnelerin çıkarılması, kapanım ise deliklerin çıkarılmasıdır.
opened = opening(img, struct_elem)
plot_images_horizontally(img, opened, 'opening')
closed = closing(img, struct_elem)
plot_images_horizontally(img, closed, 'Closed')
im = rgb2gray(imread('images/fingerprint.jpeg'))
im[im <= 0.5] = 0
im[im > 0.5] = 1
im_o = binary_opening(im, square(2))
im_c = binary_closing(im, square(2))
im_oc = binary_closing(binary_opening(im, square(2)), square(2))
plt.figure(figsize=(20,20))
plt.subplot(221)
plt.imshow(im)
plt.title('original', size=20)
plt.axis('off')
plt.subplot(222)
plt.imshow(im_o)
plt.title('opening', size=20)
plt.axis('off')
plt.subplot(223)
plt.imshow(im_c)
plt.title('closing', size=20)
plt.axis('off')
plt.subplot(224)
plt.imshow(im_oc)
plt.title('opening + closing', size=20)
plt.axis('off')
plt.show()
Sınır (boundary) Çıkarımı¶
from skimage.morphology import binary_erosion
im = rgb2gray(imread('images/footBall_orig.jpg'))
#im = imread('../new images/dynasaurs.png')[...,3] / 255
print(np.max(im))
#im = 1 - im
th = 0.4
im[im < th] = 0
im[im >= th] = 1
#im1 = opening(im, square(6))
boundary = im - binary_erosion(im)
#im2 = closing(im, square(1))
plot_images_horizontally(im, boundary, 'boundary',sz=(18,9))
from skimage.morphology import remove_small_objects
im = rgb2gray(imread('images/coins.jpg'))
im[im > 0.5] = 1
im[im <= 0.5] = 0
im = im.astype(np.bool)
print(np.max(im), np.min(im), im.shape)
plt.figure(figsize=(20,20))
plt.subplot(221)
plt.imshow(im)
plt.axis('off')
plt.title('original', size=20)
i = 2
for osz in [1000, 1500, 2400]:
im1 = remove_small_objects(im, osz, connectivity=1) #binary_dilation(im, bridge(2))
print(np.max(im1))
plt.subplot(2,2,i)
plt.imshow(im1)
plt.axis('off')
plt.title('removing small objects below size ' + str(osz), size=20)
i += 1
plt.show()