圖像比較大的話,在MATLAB上跑起來(lái)比較慢,用Python跑就會(huì)快很多,貼此備用吧!
#coding=utf-8
import pandas as pd
import numpy as np
from pandas import DataFrame
from matplotlib import pyplot as plt
from matplotlib import image
import scipy
import cv2
import scipy.io as sio
#原始數(shù)據(jù)四周補(bǔ)0
def pad_data(data,nei_size):
m,n = data.shape
t1 = np.zeros([nei_size//2,n])
data = np.concatenate((t1,data,t1))
m,n = data.shape
t2 = np.zeros([m,nei_size//2])
data = np.concatenate((t2,data,t2),axis=1)
return data
#逐像素取大小為nei_size*nei_size的鄰域數(shù)據(jù)
def gen_dataX(data,nei_size):
x,y = data.shape
m = x-nei_size//2*2;n = y-nei_size//2*2
res = np.zeros([m*n,nei_size**2])
print m,n
k = 0
for i in range(nei_size//2,m+nei_size//2):
for j in range(nei_size//2,n+nei_size//2):
res[k,:] = np.reshape(data[i-nei_size//2:i+nei_size//2+1,j-nei_size//2:j+nei_size//2+1].T,(1,-1))
k += 1
print k
return res
im = sio.loadmat('data/im1.mat');
im1 = im1['im1']
nei_size=5
#鄰域取訓(xùn)練數(shù)據(jù)
im1= pad_data(im1,nei_size)
data = gen_dataX(im1,nei_size)
sio.savemat("results/"+str(kk)+"/dataX.mat", {'dataX':dataX})
補(bǔ)充:像素之間的鄰域、連接、連通等問(wèn)題
1.鄰域
鄰域分為三類:4鄰域、對(duì)角鄰域和8鄰域。
對(duì)于以像素P為中心的九宮格而言,一個(gè)“加號(hào)”所涵蓋的四個(gè)像素被稱為中心像素的4鄰域,記作N4(P);角落的四個(gè)像素則是對(duì)角鄰域,記作ND(P);周圍全部8個(gè)像素稱為中心像素的8鄰域,記作N8(P)。
從左到右分別為 4鄰域 對(duì)角鄰域 8鄰域
2.連接
兩個(gè)像素為連接關(guān)系需滿足兩個(gè)條件:1.兩個(gè)像素相互接觸(鄰接);2.兩個(gè)像素滿足某個(gè)特定的相似準(zhǔn)則,比如像素灰度值相等或者灰度值處于同一個(gè)區(qū)間V內(nèi),這個(gè)是人為設(shè)置的。
這里容易把鄰接和連接搞混,鄰接就只是兩個(gè)像素相鄰而已,連接則需要滿足灰度值的要求。
連接根據(jù)像素所在鄰域的不同也分為三類:4連接、8連接和m連接。先給出它們的定義:
4連接:兩個(gè)像素P和R都在區(qū)間V內(nèi),且R屬于N4(P);
8連接:兩個(gè)像素P和R都在區(qū)間V內(nèi),且R屬于N8(P);
m連接:兩個(gè)像素P和R都在區(qū)間V內(nèi),且R屬于N4(P)或者R屬于ND(P),且N4(P)與N4(P)交集中的像素不在V中。
我已經(jīng)被這堆定義搞暈了,用圖片要好理解很多:
從左到右分別為 4連接、8連接、m連接。
這里假設(shè)集合V=1,可以看出8連接和m連接的區(qū)別了吧,N4§和N4®的交集(黃色部分)如果在V中,那就是8連接;不在V中就是m連接。
除此之外,根據(jù)定義我們也可以發(fā)現(xiàn)4連接也是包含在m連接里面的,因此可以得到這樣的包含關(guān)系:
4連接 ∈ m連接 ∈ 8連接
既然m連接包含在8連接里面了,還定義這個(gè)東西干嘛呢?課本給出的原因是為了消除8連接的“二義性”,在下面像素的連通里會(huì)用到。
3.連通
連通的定義很簡(jiǎn)單,就是由一系列連接像素組成的通路。比如這樣:
連通的路線必須是唯一的,但8連接有時(shí)候會(huì)出現(xiàn)多條路都能走的情況,這時(shí)候m連接就派上用場(chǎng)了。
比如這種情況,藍(lán)色和紅色路線都能走,此時(shí)我們規(guī)定必須要走m連接,那就只剩藍(lán)色路線了。因此m連接的實(shí)質(zhì)就是:在像素間同時(shí)存在4-連接和8-連接時(shí),優(yōu)先采用4-連接,并屏蔽兩個(gè)和同一像素間存在4-連接的像素之間的8-連接。
這樣像素之間的這些關(guān)系就都搞明白啦~
以上為個(gè)人經(jīng)驗(yàn),希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教。
您可能感興趣的文章:- Python之修改圖片像素值的方法
- python圖像常規(guī)操作
- Python實(shí)現(xiàn)計(jì)算圖像RGB均值方式
- python統(tǒng)計(jì)RGB圖片某像素的個(gè)數(shù)案例