scikit-image库----斑点检测（二十三）

￡神魔★判官ぃ 2021-10-16 00:36 519阅读 0赞

#### 斑点检测（Blob Detection） ####

在图像的明亮区域上，斑点在暗或暗上是明亮的。在此示例中，使用3种算法检测blob。在这种情况下使用的图像是Hubble eXtreme Deep Field。图像中的每个亮点都是恒星或星系。

##### 高斯拉普拉斯（LoG） #####

这是最准确，最慢的方法。它计算高斯图像的拉普拉斯算子，并连续增加标准偏差并将它们堆叠在一个立方体中。 Blob是此多维数据集中的局部最大值。由于卷积期间较大的内核大小，检测较大的斑点尤其较慢。仅检测到深色背景上的明亮斑点。有关用法，请参阅[skimage.feature.blob\_log（）][skimage.feature.blob_log]。

##### 高斯差分（DoG） #####

这是LoG方法的更快近似。在这种情况下，图像随着标准偏差的增加而模糊，并且两个连续模糊图像之间的差异被堆叠在立方体中。该方法具有与用于检测较大斑点的LoG方法相同的缺点。再次假设Blob在黑暗中是明亮的。有关用法，请参阅[skimage.feature.blob\_dog（）][skimage.feature.blob_dog]。

##### Hessian（DoH）的决定因素 #####

这是最快的方法。它通过在图像的Hessian行列式矩阵中查找最大值来检测斑点。检测速度与blob的大小无关，因为内部实现使用盒式过滤器而不是卷积。在黑暗和明亮的斑点上检测到明亮的亮度。缺点是没有准确检测到小斑点（<3px）。请参阅[skimage.feature.blob\_doh()][skimage.feature.blob_doh]

from math import sqrt
    from skimage import data
    from skimage.feature import blob_dog, blob_log, blob_doh
    from skimage.color import rgb2gray
    
    import matplotlib.pyplot as plt
    
    
    image = data.hubble_deep_field()[0:500, 0:500]
    image_gray = rgb2gray(image)
    
    blobs_log = blob_log(image_gray, max_sigma=30, num_sigma=10, threshold=.1)
    
    # Compute radii in the 3rd column.
    blobs_log[:, 2] = blobs_log[:, 2] * sqrt(2)
    
    blobs_dog = blob_dog(image_gray, max_sigma=30, threshold=.1)
    blobs_dog[:, 2] = blobs_dog[:, 2] * sqrt(2)
    
    blobs_doh = blob_doh(image_gray, max_sigma=30, threshold=.01)
    
    blobs_list = [blobs_log, blobs_dog, blobs_doh]
    colors = ['yellow', 'lime', 'red']
    titles = ['Laplacian of Gaussian', 'Difference of Gaussian',
              'Determinant of Hessian']
    sequence = zip(blobs_list, colors, titles)
    
    fig, axes = plt.subplots(1, 3, figsize=(10, 5), sharex=True, sharey=True)
    ax = axes.ravel()
    
    for idx, (blobs, color, title) in enumerate(sequence):
        ax[idx].set_title(title)
        ax[idx].imshow(image, interpolation='nearest')
        for blob in blobs:
            y, x, r = blob
            c = plt.Circle((x, y), r, color=color, linewidth=2, fill=False)
            ax[idx].add_patch(c)
        ax[idx].set_axis_off()
    
    plt.tight_layout()
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODYzMjI0Ng_size_16_color_FFFFFF_t_70]

[skimage.feature.blob_log]: https://scikit-image.org/docs/0.15.x/api/skimage.feature.html#skimage.feature.blob_log
[skimage.feature.blob_dog]: https://scikit-image.org/docs/0.15.x/api/skimage.feature.html#skimage.feature.blob_dog
[skimage.feature.blob_doh]: https://scikit-image.org/docs/0.15.x/api/skimage.feature.html#skimage.feature.blob_doh
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODYzMjI0Ng_size_16_color_FFFFFF_t_70]: /images/20211015/4f0b3e9df6034f71bd2f00e473b83473.png