图像重建(腐蚀和膨胀)输出均为黑色图像

我尝试使用腐蚀方法从这张图片中去除脸部的黑点。

我已经实现了以下代码:

img = skimage.io.imread('blemish.jpeg')img = skimage.color.rgb2gray(img)img_inten = skimage.exposure.rescale_intensity(img,in_range=(50,100))diliation_seed = img_inten.copy()diliation_seed[1:-1,1:-1] = img_inten.min()mask = img_inteneroded_img = skimage.morphology.reconstruction(diliation_seed,mask,method='dilation')matplotlib.pyplot.imshow(eroded_img,cmap='gray')

我的输出在两种情况下总是黑色的。请问哪里出了问题?


回答:

rgb2gray 输出的是一个浮点数矩阵,值在 [0;1] 之间

因此,rescale_intensity 输出的只是一个全为 0 的矩阵,因为你要求的值在 50 到 100 之间,而灰度图像中没有这样的值。

你可以这样修复它:

import skimagefrom skimage import data, exposure, img_as_floatfrom skimage.morphology import reconstructionimport matplotlib.pyplot as pltimg = skimage.io.imread('blemish.jpeg')gray_img = 255*skimage.color.rgb2gray(img) # 乘以 255 以返回到 [0;255] 范围img_inten = exposure.rescale_intensity(gray_img,in_range=(50,100))diliation_seed = img_inten.copy()diliation_seed[1:-1,1:-1] = img_inten.min()mask = img_inteneroded_img = reconstruction(diliation_seed,mask,method='dilation')plt.imshow(eroded_img,cmap='gray')plt.show()

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注