scikit-image库--绘制二值图外接凸面形(七）

原创于 2019-08-12 17:20:18 发布 · 324 阅读

0 ·

CC 4.0 BY-SA版权

python 同时被 2 个专栏收录

49 篇文章

订阅专栏

Scikit-image

23 篇文章

订阅专栏

本文通过使用Python的Skimage库，展示了如何对图像进行凸包处理，以实现图像特征提取和形态学分析。首先，对原始图像进行了黑白反转，确保目标物为白色；然后，应用convex_hull_image函数计算图像的外接凸面形；最后，通过Matplotlib绘制并对比了原始图像、反转图像及凸包处理后的图像。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import matplotlib.pyplot as plt

from skimage.morphology import convex_hull_image
from skimage import data, img_as_float
from skimage.util import invert

# The original image is inverted as the object must be white.
image = invert(data.horse()) #黑白变换

chull = convex_hull_image(image)  #求外接凸面形

fig, ax = plt.subplots(1, 3, figsize=(18, 9))

# ax = axes.ravel()
# print(axes.shape,ax.shape)
ax[0].imshow(data.horse(),'gray')
ax[0].set_title('data.horse')
ax[1].set_title('Original picture')
ax[1].imshow(image, cmap=plt.cm.gray, interpolation='nearest')
ax[1].set_axis_off()

ax[2].set_title('Transformed picture')
ax[2].imshow(chull, cmap=plt.cm.gray, interpolation='nearest')
ax[2].set_axis_off()

plt.tight_layout()
plt.show()