У меня есть несколько изображений символов шрифта фиксированного размера, как показано в примере входного изображения. Я хочу извлечь скелет персонажа (шириной в один пиксель). Я пробовал разные способы, как показано ниже, но все выходы разные и не гладкие. Я думал, что скелет шириной в один пиксель будет гладким (пиксели не ломаются и не шумят пиксели). Есть лучший способ сделать это? Если нет, то какой из этих трех лучше?
Образец входного изображения
1) Пример
from skimage import img_as_bool, io, color, morphology
import matplotlib.pyplot as plt
image = img_as_bool(color.rgb2gray(io.imread('image.jpeg')))
out = morphology.medial_axis(image)
f, (ax0, ax1) = plt.subplots(1, 2)
ax0.imshow(image, cmap='gray', interpolation='nearest')
ax1.imshow(out, cmap='gray', interpolation='nearest')
plt.show()
Выход1
2) Пример
from PIL import Image, ImageDraw, ImageFont
import mahotas as mh
import numpy as np
image = Image.new("RGBA", (600,150), (255,255,255))
draw = ImageDraw.Draw(image)
fontsize = 150
font = ImageFont.truetype("font.TTF", fontsize)
txt = '가'
draw.text((30, 5), txt, (0,0,0), font=font)
img = image.resize((188,45), Image.ANTIALIAS)
print(type(img))
plt.imshow(img)
img = np.array(img)
im = img[:,0:50,0]
im = im < 128
skel = mh.thin(im)
noholes = mh.morph.close_holes(skel)
plt.subplot(311)
plt.imshow(im)
plt.subplot(312)
plt.imshow(skel)
Выход2
3) Пример
from skimage.morphology import skeletonize
from skimage import draw
from skimage.io import imread, imshow
from skimage.color import rgb2gray
import os
# load image from file
img_fname='D:\Ammar Data\Debbie_laptop_data\Ammar\sslab-deeplearning\GAN models\sslab_GAN\skeleton\hangul_1.jpeg'
image=imread(img_fname)
# Change RGB color to gray
image=rgb2gray(image)
# Change gray image to binary
image=np.where(image>np.mean(image),1.0,0.0)
# perform skeletonization
skeleton = skeletonize(image)
plt.imshow(skeleton)
выход3
Ваш код в порядке, но вам может потребоваться изменить способ преобразования изображения в двоичный файл. Кроме того, чтобы избежать шумного вывода, вы можете применить binary_closing
к изображению скелета. Взгляните на приведенный ниже код -
import matplotlib.pyplot as plt
from skimage import img_as_bool
from skimage.io import imread
from skimage.color import rgb2gray
from skimage.morphology import skeletonize, binary_closing
im = img_as_bool(rgb2gray(imread('0jQjL.jpg')))
out = binary_closing(skeletonize(im))
f, (ax0, ax1) = plt.subplots(1, 2)
ax0.imshow(im, cmap='gray', interpolation='nearest')
ax1.imshow(out, cmap='gray', interpolation='nearest')
plt.show()
Ваши два примера изображений дали мне следующий вывод:
Обновлено: Чтобы избежать потери точности при преобразовании изображения в логическое значение, вы также можете бинаризировать изображение, используя один из доступных пороговые алгоритмы. Я предпочитаю Оцу.
import matplotlib.pyplot as plt
from skimage.io import imread
from skimage.filters import threshold_otsu
from skimage.color import rgb2gray
from skimage.morphology import skeletonize, binary_closing
def get_binary(img):
thresh = threshold_otsu(img)
binary = img > thresh
return binary
im = get_binary(rgb2gray(imread('Snip20190410_9.png')))
out = binary_closing(skeletonize(im))
f, (ax0, ax1) = plt.subplots(1, 2)
ax0.imshow(im, cmap='gray', interpolation='nearest')
ax1.imshow(out, cmap='gray', interpolation='nearest')
plt.show()
@AmmarUlHassan Вы можете избежать потерь, используя соответствующий алгоритм порогового значения. Я обновил свой ответ, чтобы исправить предупреждение о потере точности. Лучшим скелетом из трех будет тот, который дает наилучший результат для большинства ваших образцов изображений.
Итак, определение лучшего будет заключаться в простой визуализации или у нас есть какие-то технические меры?
К сожалению, нет никаких технических мер для точности скелетирования. Вам придется полагаться только на визуальный осмотр.
Хорошо спасибо. КСТАТИ, когда я запускаю этот код с помощью каркаса (), скелетонизация_3d () или тонкий (), я получаю это предупреждение «C:\Users\ammar\Anaconda3\lib\site-packages\skimage\util\dtype.py:122 : UserWarning: Возможна потеря точности при преобразовании из uint8 в bool .format(dtypeobj_in, dtypeobj_out))". Это их способ избежать этой потери? и как я могу выбрать лучший скелет из этих трех функций, упомянутых выше?