Python：采用非矩形区域的GLCM

2 回答

• 2

  虽然 mahotas 也是一个优秀的计算机视觉库，但是没有必要停止使用 skimage 来做到这一点 .

  正如@Tonechas指出的那样，必要的是将那些NaN值设置为整数，因为 np.nan 的类型为 float ， greycomatrix 函数需要一个整数数组 .

  最简单的选择是将那些 NaN 's to zero but, if you already have zero values in your pixels and don'想要混合它们，你可以选择任何其他常量 . 之后，您所要做的就是从GLCM中过滤出所选择的值（再次，通常为零） .

  要理解这意味着什么，让我们看看 skimage 告诉我们greycomatrix function的输出：

  4-D ndarray [...]值P [i，j，d，theta]是灰度级j出现在距离d处并且与灰度级i成角度θ的次数 . 如果normed为False，则输出为uint32类型，否则为float64 . 尺寸为：水平x水平x距离数x角度数 .

  换句话说，数组的前两个维度定义了一个矩阵，告诉我们两个不同的值有多少次相隔一定距离 . 请注意，GLCM确保 not 保持输入数组的形状 . 那些行和列告诉我们值是如何相关的 .

  知道了这一点，很容易过滤掉ROI之外的值（想象我们将NaN设置为零）：

  glcm = greycomatrix(img, [1], [0])  # Calculate the GLCM "one pixel to the right"
  filt_glcm = glcm[1:, 1:, :, :]           # Filter out the first row and column
  

  现在，您可以轻松计算过滤后的GLCM的Haralick属性 . 例如：

  greycoprops(filt_glcm, prop='contrast')
  

  回复于 2024-04-28T17:38:13+08:00
• 1

  问题是您必须将整数数组传递给 greycomatrix ，但 np.nan 的类型为 float （有关详细信息，请查看this thread） . 因此，您无法将ROI外的像素编码为 NaN .

  处理非矩形ROI的近似解决方法是将ROI外的像素设置为 0 并使用mahotas库中的函数 haralick . 此函数返回从四个不同GLCM中提取的13个Haralick特征，对应于四个2-D方向和距离参数的特定值 .

  从文档：

  ignore_zeros可用于使函数忽略任何零值像素（作为背景） .

  总之，您需要屏蔽那些超出ROI的像素，并在调用 haralick 时将 ignore_zeros 设置为 True .

  ---

  DEMO

  首先，让我们生成一些模拟数据：

  In [213]: import numpy as np
  
  In [214]: shape = (3, 4)
  
  In [215]: levels = 8
  
  In [216]: np.random.seed(2017)
  
  In [217]: x = np.random.randint(0, levels, size=shape)
  
  In [218]: x
  Out[218]: 
  array([[3, 1, 6, 5],
         [2, 0, 2, 2],
         [3, 7, 7, 7]])
  

  然后我们必须从图像中移除所有零，因为在该方法中，零强度级别被保留用于ROI之外的像素 . 值得指出的是，将强度 0 和 1 合并为单一强度 1 会在结果中引入不准确性 .

  In [219]: x[x == 0] = 1
  
  In [220]: x
  Out[220]: 
  array([[3, 1, 6, 5],
         [2, 1, 2, 2],
         [3, 7, 7, 7]])
  

  下一步包括为ROI外部的像素定义遮罩（在此玩具示例中，图像的四个角）并将这些像素设置为 0 .

  In [221]: non_roi = np.zeros(shape=shape, dtype=np.bool)
  
  In [222]: non_roi[np.ix_([0, -1], [0, -1])] = True
  
  In [223]: non_roi
  Out[223]: 
  array([[ True, False, False,  True],
         [False, False, False, False],
         [ True, False, False,  True]], dtype=bool)
  
  In [224]: x[non_roi] = 0
  
  In [225]: x
  Out[225]: 
  array([[0, 1, 6, 0],
         [2, 1, 2, 2],
         [0, 7, 7, 0]])
  

  我们现在可以从GLCM的非矩形ROI中执行特征提取：

  In [226]: import mahotas.features.texture as mht
  
  In [227]: features = mht.haralick(x, ignore_zeros=True)
  
  In [228]: features.size
  Out[228]: 52
  
  In [229]: features.ravel()
  Out[229]: array([ 0.18      ,  5.4       ,  0.5254833 , ...,  0.81127812,
         -0.68810414,  0.96300727])
  

  检查共生矩阵的外观可能很有用 . 例如，“像素到右边”GLCM将是：

  In [230]: mht.cooccurence(x, 0)
  Out[230]: 
  array([[0, 1, 0, ..., 0, 1, 2],
         [1, 0, 2, ..., 0, 1, 0],
         [0, 2, 2, ..., 0, 0, 0],
         ..., 
         [0, 0, 0, ..., 0, 0, 0],
         [1, 1, 0, ..., 0, 0, 0],
         [2, 0, 0, ..., 0, 0, 2]])
  

  回复于 2024-04-28T17:38:13+08:00