参考：https://scikit-image.org/docs/dev/api/skimage.measure.html#skimage.measure.regionprops

skimage的强大无需多言，但是木有想到厉害成这个亚子！简直是宝藏函数！
今天简单记录skimage.measure使用中遇到的惊喜。

一、汇总

下面捡两个自己用的比较多的函数记录一下，后续用到其他会继续更新。

二、skimage.measure.find_contours

对于给定的水平值，在二维数组中找到等值的轮廓，可以用来检测二值图像的边缘轮廓。

skimage.measure.find_contours(array, level, fully_connected='low', positive_orientation='low')

参数
数组：2D输入数据的二维图像，用于查找轮廓。
level：其中查找数组中的轮廓的值。
fully_connected：str，{‘low’，‘high’}指示给定级别值以下的数组元素是否被视为完全连接（并且因此值之上的元素将仅面向连接），反之亦然。（详情请参见下面的注释。）
positive_orientation：‘low’或’high’表示输出轮廓是否会在低或高值元素的岛周围产生正向多边形。如果’低’，那么等高线将围绕低于等值的元素逆时针旋转。或者，这意味着低值元素总是在轮廓的左侧。

返回
轮廓：（n，2）列表的列表每个轮廓都是形状（n，2）的状态，由沿着轮廓的n（行，列）坐标组成。 |

三、skimage.measure.regionprops

skimage.measure.regionprops(label_image, intensity_image=None, cache=True)

测量标记的图像区域的属性。

参数
label_image：（N，M）ndarray标记的输入图像。值为0的标签将被忽略。intensity_image：（N，M）ndarray，可选强度（即输入）与标记图像大小相同的图像。缺省值是None。
cache：bool，可选确定是否缓存计算的属性。缓存属性的计算速度要快得多，而内存消耗增加。

返回
属性：RegionProperties列表每个项目描述一个带标签的区域，并且可以使用下面列出的属性进行访问。

以下是可以访问的属性

area : int
区域的像素数
bbox : tuple
Bounding box (min_row, min_col, max_row, max_col).
Pixels belonging to the bounding box are in the half-open interval
[min_row; max_row) and [min_col; max_col).
bbox_area : int
Number of pixels of bounding box.
centroid : array
质心坐标 tuple (row, col).
convex_area : int
凸包图像的像素数
convex_image : (H, J) ndarray
Binary convex hull image which has the same size as bounding box.
coords : (N, 2) ndarray
Coordinate list (row, col) of the region.
eccentricity : float
Eccentricity of the ellipse that has the same second-moments as the
region. The eccentricity is the ratio of the focal distance
(distance between focal points) over the major axis length.
The value is in the interval [0, 1).
When it is 0, the ellipse becomes a circle.
equivalent_diameter : float
The diameter of a circle with the same area as the region.
euler_number : int
Euler characteristic of region. Computed as number of objects (= 1)
subtracted by number of holes (8-connectivity).
extent : float
Ratio of pixels in the region to pixels in the total bounding box.
Computed as area / (rows * cols)
filled_area : int
Number of pixels of filled region.
filled_image : (H, J) ndarray
Binary region image with filled holes which has the same size as
bounding box.
image : (H, J) ndarray
Sliced binary region image which has the same size as bounding box.
inertia_tensor : (2, 2) ndarray
Inertia tensor of the region for the rotation around its mass.
inertia_tensor_eigvals : tuple
The two eigen values of the inertia tensor in decreasing order.
intensity_image : ndarray
Image inside region bounding box.
label : int
The label in the labeled input image.
local_centroid : array
Centroid coordinate tuple (row, col), relative to region bounding
box.
major_axis_length : float
The length of the major axis of the ellipse that has the same
normalized second central moments as the region.
max_intensity : float
Value with the greatest intensity in the region.
mean_intensity : float
Value with the mean intensity in the region.
min_intensity : float
Value with the least intensity in the region.
minor_axis_length : float
The length of the minor axis of the ellipse that has the same
normalized second central moments as the region.
moments : (3, 3) ndarray
Spatial moments up to 3rd order::

        m_ji = sum{ array(x, y) * x^j * y^i }

    where the sum is over the `x`, `y` coordinates of the region.
**moments_central** : (3, 3) ndarray
    Central moments (translation invariant) up to 3rd order::

        mu_ji = sum{ array(x, y) * (x - x_c)^j * (y - y_c)^i }

    where the sum is over the `x`, `y` coordinates of the region,
    and `x_c` and `y_c` are the coordinates of the region's centroid.
**moments_hu** : tuple
    Hu moments (translation, scale and rotation invariant).
**moments_normalized** : (3, 3) ndarray
    Normalized moments (translation and scale invariant) up to 3rd order::

        nu_ji = mu_ji / m_00^[(i+j)/2 + 1]

    where `m_00` is the zeroth spatial moment.
**orientation** : float
    与该区域具有相同二阶矩的椭圆的x轴与主轴之间的夹角。
    Angle between the X-axis and the major axis of the ellipse that has
    the same second-moments as the region. Ranging from `-pi/2` to
    `pi/2` in counter-clockwise direction.
**perimeter** : float
    Perimeter of object which approximates the contour as a line
    through the centers of border pixels using a 4-connectivity.
**solidity** : float
    Ratio of pixels in the region to pixels of the convex hull image.
**weighted_centroid** : array
    Centroid coordinate tuple ``(row, col)`` weighted with intensity
    image.
**weighted_local_centroid** : array
    Centroid coordinate tuple ``(row, col)``, relative to region bounding
    box, weighted with intensity image.
**weighted_moments** : (3, 3) ndarray
    Spatial moments of intensity image up to 3rd order::

        wm_ji = sum{ array(x, y) * x^j * y^i }

    where the sum is over the `x`, `y` coordinates of the region.
**weighted_moments_central** : (3, 3) ndarray
    Central moments (translation invariant) of intensity image up to
    3rd order::

        wmu_ji = sum{ array(x, y) * (x - x_c)^j * (y - y_c)^i }

    where the sum is over the `x`, `y` coordinates of the region,
    and `x_c` and `y_c` are the coordinates of the region's weighted
    centroid.
**weighted_moments_hu** : tuple
    Hu moments (translation, scale and rotation invariant) of intensity
    image.
**weighted_moments_normalized** : (3, 3) ndarray
    Normalized moments (translation and scale invariant) of intensity
    image up to 3rd order::

        wnu_ji = wmu_ji / wm_00^[(i+j)/2 + 1]

    where ``wm_00`` is the zeroth spatial moment (intensity-weighted area).

原博客

https://www.cnblogs.com/denny402/p/5166258.html

skimage.measure.label()函数

对二值图像进行连通区域进行标记，它的返回值就是标记，并没有对二值图像进行改变

在二值图像中，如果两个像素点相邻且值相同（同为0或同为1），那么就认为这两个像素点在一个相互连通的区域内。而同一个连通区域的所有像素点，都用同一个数值来进行标记，这个过程就叫连通区域标记。在判断两个像素是否相邻时，我们通常采用4连通或8连通判断。在图像中，最小的单位是像素，每个像素周围有8个邻接像素，常见的邻接关系有2种：4邻接与8邻接。4邻接一共4个点，即上下左右，如下左图所示。8邻接的点一共有8个，包括了对角线位置的点，如下右图所示。

在skimage包中，我们采用measure子模块下的label（）函数来实现连通区域标记。

函数格式：

skimage.measure.label（image,connectivity=None)

参数中的image表示需要处理的二值图像，connectivity表示连接的模式，1代表4邻接，2代表8邻接。

输出一个标记数组（labels), 从0开始标记。

#coding=utf-8
import numpy as np
import scipy.ndimage as ndi
from skimage import measure,color
import matplotlib.pyplot as plt

#编写一个函数来生成原始二值图像
def microstructure(l=256):
    n = 5
    x, y = np.ogrid[0:l, 0:l]  #生成网络
    mask = np.zeros((l, l))
    generator = np.random.RandomState(1)  #随机数种子
    points = l * generator.rand(2, n**2)
    mask[(points[0]).astype(np.int), (points[1]).astype(np.int)] = 1
    mask = ndi.gaussian_filter(mask, sigma=l/(4.*n)) #高斯滤波
    return mask > mask.mean()

data = microstructure(l=128)*1 #生成测试图片

labels=measure.label(data,connectivity=2)  #8连通区域标记
dst=color.label2rgb(labels)  #根据不同的标记显示不同的颜色
print('regions number:',labels.max()+1)  #显示连通区域块数(从0开始标记)

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(8, 4))
ax1.imshow(data, plt.cm.gray, interpolation='nearest')
ax1.axis('off')
ax2.imshow(dst,interpolation='nearest')
ax2.axis('off')

fig.tight_layout()
plt.show()

skimage.measure.regionprops()函数

如果想分别上面的的每一个连通区域进行操作，比如计算面积、外接矩形、凸包面积等，则需要调用measure子模块的regionprops（）函数。该函数格式为：

返回所有连通区块的属性列表，常用的属性列表如下表：

代码

#coding=utf-8
import numpy as np
import scipy.ndimage as ndi
from skimage import measure,color
import matplotlib.pyplot as plt

#编写一个函数来生成原始二值图像
def microstructure(l=256):
    n = 5
    x, y = np.ogrid[0:l, 0:l]  #生成网络
    mask = np.zeros((l, l))
    generator = np.random.RandomState(1)  #随机数种子
    points = l * generator.rand(2, n**2)
    mask[(points[0]).astype(np.int), (points[1]).astype(np.int)] = 1
    mask = ndi.gaussian_filter(mask, sigma=l/(4.*n)) #高斯滤波
    return mask > mask.mean()

data = microstructure(l=128)*1 #生成测试图片

labels = measure.label(data,connectivity=2)  #

#筛选连通区域大于５００的
properties = measure.regionprops(labels)
valid_label = set()
for prop in properties:
    if prop.area > 500:
        valid_label.add(prop.label)
current_bw = np.in1d(labels, list(valid_label)).reshape(labels.shape)


dst = color.label2rgb(current_bw)  #根据不同的标记显示不同的颜色
print('regions number:', current_bw.max()+1)  #显示连通区域块数(从0开始标记)

fig, (ax1, ax2, ax3) = plt.subplots(1, 3, figsize=(8, 4))
ax1.imshow(data, plt.cm.gray, interpolation='nearest')
ax1.axis('off')
ax2.imshow(current_bw, plt.cm.gray, interpolation='nearest')
ax2.axis('off')
ax3.imshow(dst,interpolation='nearest')
ax3.axis('off')

fig.tight_layout()
plt.show()

skimage.segmentation.clear_border函数

https://blog.csdn.net/qq_36401512/article/details/88252649

clear_border(labels, buffer_size=0, bgval=0, in_place=False)主要作用是清除二值图像中边界的1值。例如

>>> import numpy as np
>>> from skimage.segmentation import clear_border
>>> labels = np.array([[0, 0, 0, 0, 0, 0, 0, 1, 0],
...                    [0, 0, 0, 0, 1, 0, 0, 0, 0],
...                    [1, 0, 0, 1, 0, 1, 0, 0, 0],
...                    [0, 0, 1, 1, 1, 1, 1, 0, 0],
...                    [0, 1, 1, 1, 1, 1, 1, 1, 0],
...                    [0, 0, 0, 0, 0, 0, 0, 0, 0]])
>>> clear_border(labels)
array([[0, 0, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 1, 0, 0, 0, 0],
       [0, 0, 0, 1, 0, 1, 0, 0, 0],
       [0, 0, 1, 1, 1, 1, 1, 0, 0],
       [0, 1, 1, 1, 1, 1, 1, 1, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0]])

算法解释详细，有算法执行过程动态GIF图的：https://blog.csdn.net/icvpr/article/details/10259577

算法文字解释的简介易懂的：https://www.cnblogs.com/ryuasuka/p/4932239.html

regionprops函数一些属性的效果演示：https://www.cnblogs.com/nktblog/archive/2012/06/13/2547938.html

————————————————————————————————————————————

我的一些测试：

其中，.area函数意思是统计某连通区域中，总像素点个数。如下：

上述二值化图像中，共有14个区域（第一个区域为全黑区域），.area函数能够统计每个区域中像素点个数。

.bbox：囊括该连通区域内所有像素点的最小矩形。其返回值有4个，分别是

，其值都是具体的图像坐标位置。

measure.label操作后，会将二值化（全True或Flase）的图片值全部重新赋值，当做为一种标记，具体赋值方式是：比如二值化图像中，有8个单独的连通区域，那么第一个连通区域内所有像素点值变为1，第二个连通区域内所有像素点值变为2，依次类推。如下图：

WPF 引用DLL纯图像资源包类库中的图片

原文:WPF 引用DLL纯图像资源包类库中的图片 1.建立WPF应用程序              过程略.   2.创建类库项目(图片资源包)       创建图片资源类库项目MyImages,删除 ...

xib中的label加边框

选中xib中的label,在右边栏的第三个标签页中第三项是User Defined Runtime Attributes 添加一个keyPath,keyPath值为layer.borderWidth, ...

WinForm中遇到Label要显示的内容太长，自动换行

很多朋友都会在开发WinForm中遇到Label要显示的内容太长,但却不能换行的问题.这里我总结了几种方法,供大家参考. 第一种是把Label的AutoSize属性设为False,手动修改Label的 ...

Python中TKinter模块中的Label组件

Python2.7.4      OS—W7x86 1. 简介 Label用于在指定的窗口中显示文本和图像.最终呈现出的Label是由背景和前景叠加构成的内容. Label组件定义函数:Label(m ...

Javascript中的Label语句

在javascript中,我们可能很少会去用到 Label 语句,但是熟练的应用 Label 语句,尤其是在嵌套循环中熟练应用 break, continue 与 Label 可以精确的返回到你想要的 ...

关于SWT中的Label类和Text类

Label类的继承关系图 Label是SWT中最简单的界面组件,给出他的一个实例如下: public class Label1 { public static void main(String[] a ...

java 中通过label跳出双重for 循环

java 中如何跳出双重for 循环 java跳出循环是使用break语句的,break默认跳出当前循环(包括for循环.while循环),当使用双层循环时,可通过label从内层循环跳出.有关对比的 ...

IOS tableViewCell单元格重用中的label重叠的问题

参考:http://zhidao.baidu.com/link?url=_oMUTo5SxUY6SBaxYLsIpN3i2sZ6SKG35MVlPJd2cNmUf9TGQFkKXX9EXwSwti0n ...

通过灰度线性映射增强图像对比度实现PS中的色阶

通过灰度线性映射增强图像对比度 Halcon中如何通过灰度线性映射增强图片对比度呢?不急,我先讲点其他的. 如果你用过Photoshop,那么想必对增强图像的对比度很熟悉.在Photoshop中,我们 ...

随机推荐

代码快捷键的设置读取App.config方法

附件下载:http://files.cnblogs.com/files/qtiger/ShortcutAchieve.zip 代码实现最重要(增加引用using System.Configuratio ...

java操作office和pdf文件页面列表导出cvs，excel、pdf报表.

在平常的开发中我们常常遇到不仅仅只是导出excel报表的情况.有时候也需要导出pdf或者CSV报 表.其实原理都差不多.刚开始本来不打算也这篇博客介绍这个的.感觉这篇博客和前面的博客有点雷同.原理基本 ...

Matlab中的静态（持久）变量和全局变量

1.静态变量(persistent) 在函数中声明的变量,当函数调用完之后就会释放.如果想保留这个变量的值(供该函数下一次调用),可以把这个变量声明为静态变量.静态变量不能在声明的时候赋值,而且只能在 ...

php随笔6-thinkphp OA系统 JS 实时显示当前时间

不多说,直入主题: JS. // JavaScript Document function showtime() { var today,hour,second,minute,year,month,d ...

ES6 学习笔记之二 块作用域与闭包

"闭包是函数和声明该函数的词法环境的组合." 这是MDN上对闭包的定义. 中则是这样定义的:闭包是指有权访问另一个函数作用域中的变量 ...

急急如律令！火速搭建一个C#即时通信系统！（附源码分享——高度可移植！）

(2016年3月更:由于后来了解到GGTalk开源即时通讯系统,因此直接采用了该资源用于项目开发,在此对作者表示由衷的感谢!) —————————————————————————————————— 人 ...

[python]Generators

generators(生成器)是python提供的一种机制,可以让函数一边循环一边计算,通常函数是一遍执行,而生成器可以在执行中间交出变量,下次调用时从交出变量的地方重新开始,这种机制通过yield关 ...

mysql操作基本命令

查看索引 : show index from table_name 创建索引:create index index_name on table_name(column_name) 创建唯一索引:cre ...

用Python中的tkinter模块作图

tkinter 可以用来创建完整的应用程序,比如简单的字处理软件,还有简单的绘图软件. 一.创建一个可以点的按钮 用tkinter创建一个带按钮的简单程序,代码如下: >>> fro ...