使用 pil/任何 python 包进行图像分割

发布于 2024-08-28 14:25:12 字数 171 浏览 7 评论 0 原文

我需要将图像分割成多个区域。我正在使用 pil。我发现 pil 中没有用于分割图像的模块。我需要这个分段区域作为列表或字典。

实际上,我正在尝试比较图像在内容感知时尚中的相似性。为此,我需要对图像进行分段。我尝试了 segwin 工具,但它正在绘制另一个图像(这不是必需的并且也耗时)而

不是提前

i need to segment an image into regions .i'm using pil.i found no module to segment image in pil. I need this segmented regions as a list or dictionary.

Actually i'm trying to compare the images for similarity in content aware fashion.for that i need to segment the image. i tried segwin tool but it is drawing another image(which is not required and also time consuming)

thans in advance

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。

评论(4

谈场末日恋爱 2024-09-04 14:25:12

将图像分割成区域的最简单方法是创建另一个称为标签图的图像。 “区域 1”由标签图中所有值为 1 的像素表示,依此类推。如果您需要“区域 3”的像素,您只需将阈值等于 3 的标签图二值化,然后将结果与原始图像相乘。

和 Oliver 一样,我建议 WrapItk

The easiest way to segment an image into regions is creating an other image called labelmap. The "region 1" is represented by all the 1 valued pixels within the labelmap, and so on. If you need the pixels of the "region 3" you just binarize the labelmap with a thershold equal to 3 and multiply the result with the original image.

Like Oliver I advise WrapItk.

蒲公英的约定 2024-09-04 14:25:12

对于这个任务,我更喜欢 numpy 和 scipy。在图像处理方面,这两个可以满足您的所有需求。对于数组数学,我推荐 numexpr。看看 http://docs.scipy.org/doc/scipy/reference /ndimage.html

For this task i prefer numpy and scipy. In terms of image processing these two have all you need. For array math i recommend numexpr. Take a look at http://docs.scipy.org/doc/scipy/reference/ndimage.html

明媚殇 2024-09-04 14:25:12

看一下PIL手册,可以使用“crop ” 函数获取图像的子区域。

Take a look at the PIL Handbook, you can use the "crop" function to get a subregion of the image.

瞎闹 2024-09-04 14:25:12

您可能想尝试使用 python 绑定 .itk.org/" rel="nofollow noreferrer">ITK,C++ 中的分段工具。

You might want to try the python bindings for ITK, a segmentation tool in C++.

~没有更多了~
我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
原文