从掩码计算部分图像的共现矩阵答案

【问题标题】：Calculating the co-occurrence matrix of part of an image from a mask从掩码计算部分图像的共现矩阵
【发布时间】：2018-05-15 10:32:19
【问题描述】：

我有以下代码，我试图在其中获取与给定蒙版对应的图像的一部分。然后我想在该部分应用 skimage.feature.glcm 。但我得到了错误：

glcm = greycomatrix(mancha, [2], [0], levels=None, symmetric = True, normed = True)
File "D:\WinPython-64bit-2.7.13.1ZeroNew\python-2.7.13.amd64\lib\site-packages\skimage\feature\texture.py", line 101, in greycomatrix
assert_nD(image, 2)
File "D:\WinPython-64bit-2.7.13.1ZeroNew\python-2.7.13.amd64\lib\site-packages\skimage\_shared\utils.py", line 178, in assert_nD
raise ValueError(msg_incorrect_dim % (arg_name, '-or-'.join([str(n) for n in ndim])))
ValueError: The parameter `image` must be a 2-dimensional array

代码是：

mask = cv2.imread(pathMask, 0)
cruda = cv2.imread(pathCruda, 0)
imaskc = mask > 0
mancha = cruda[imaskc]

glcm = greycomatrix(mancha, [2], [0], levels=None, symmetric = True, normed = True)
energy = greycoprops(glcm, 'energy')
homogeneity = greycoprops(glcm, 'homogeneity')

我也尝试过：

labeled_image, nb_labels = ndimage.label(mascara)
blobs = ndimage.find_objects(labeled_image)

glcm = greycomatrix(cruda[blobs[0]]

有什么办法可以完成这项工作吗？

谢谢！

【问题讨论】：

使用掩码索引一个 numpy 数组会返回一个线性数组。如果你仔细想想，这并不奇怪。如果a = [[1, 2], [3, 4]]，并且您有一个掩码b = [[1, 0], [1, 1]]，则结果为a[b] = [1, 3, 4]。所以它不是二维数组。如果每行上有不同数量的屏蔽元素，它就不能返回二维数组，所以它永远不会。但是，如果您只想将遮罩外的所有内容设置为黑色，您可以使用 cruda[~imaskc] = 0 轻松完成。
感谢您的回答，但我想做的是获取图像的一部分，以便将其传递给 glcm 函数
想想你在这里真正想要什么。看看我上面的例子，1 是True，0 是False。在该示例中应该返回a[b] 是什么样的？
对不起，我不太明白你的意思。你刚才说返回 a[b] = [1,2,3]
正是……那个数组有多少维？只有一个。 glcm 需要二维输入。使用掩码进行索引只会线性地给出与掩码相对应的所有元素。换句话说：如果a = np.array([[1, 2], [3, 4]]) 和b = np.array([[1, 0], [1, 1]]) 然后a[b] = np.array([1, 3, 4]) 但你可能想要的是a[~b] = 0，这样a = np.array([[1, 0], [3, 4]])，它是二维的。

标签： python opencv mask scikit-image glcm

【解决方案1】：

您不能直接将蒙版图像传递给greycomatrix。好消息是，您可以通过在代码中引入小的更改来计算从图像感兴趣区域提取的 Haralick 特征的近似值。

基本思想在于保存一个灰度级，例如0，以标记那些落在感兴趣区域 (ROI) 之外的图像像素。要使这种方法正常工作，您需要将 ROI 内原始强度为 0 的像素的强度更改为不同（但相似）的值，例如 1。请注意，以这种方式修改图像不可避免地会在共现矩阵中引入不准确性，但只要您的图像足够大并且具有平滑的直方图，您就可以放心地假设获得的特征非常接近精确值.同样重要的是要注意，您必须摆脱共现矩阵的第 0^th 行和第 0^th 列，以免考虑用于标记非 ROI 像素的灰度级。

要实现上述解决方法，您只需更改以下两行：

mancha = cruda[imaskc]
glcm = greycomatrix(mancha, [2], [0], levels=None, symmetric=True, normed=True)

到：

mancha = cruda.copy()
mancha[mancha == 0] = 1
mancha[~imaskc] = 0
glcm = greycomatrix(mancha, [2], [0], levels=None, symmetric=True, normed=True)[1:, 1:, :, :]

【讨论】：