[scikit-image] 68. ラベリングした領域のデータをregionprops_tableによりpandasのDataFrameで取得する(skimage.measure regionprops_table)

はじめに
コード
解説
ラベル領域を四角で囲む
ラベル領域の重心に点を表示
ラベル領域にラベル番号をつける
まとめ
参考

はじめに

scikit-imageのregionprops_tableは、画像処理におけるラベリングした領域の情報を取得し、それをpandasのDataFrameとして扱いやすい形式で提供する機能です。この記事では、画像内のオブジェクトをラベリングし、その各領域の特性（面積、周囲長、中心座標など）を効率的に取得する方法について解説します。

コード

	label	area	centroid-0	centroid-1	equivalent_diameter
0	1	565	10	10	26.821267
1	2	1423	17	281	42.565477
2	3	3575	48	158	67.467261
3	4	7037	72	366	94.656150
4	5	256	60	268	18.054067
5	6	11557	138	70	121.304697
6	7	663	83	447	29.054394
7	8	1162	113	283	38.464326
8	9	3206	157	227	63.890578
9	10	188	152	396	15.471556
10	11	1200	185	310	39.088201
11	12	9337	230	419	109.033195
12	13	2120	265	28	51.954478
13	14	192	258	183	15.635280
14	15	240	278	265	17.480775
15	16	3345	326	120	65.260909
16	17	19675	409	163	158.275039
17	18	7976	352	464	100.773799
18	19	1349	336	15	41.443940
19	20	1689	384	362	46.373501
20	21	1077	431	408	37.030784
21	22	207	437	252	16.234549
22	23	188	453	27	15.471556
23	24	1166	480	313	38.530472
24	25	188	471	214	15.471556
25	26	174	477	450	14.884343
26	27	1780	494	398	47.606369

解説

モジュールのインポートなど

画像データの生成

画像データの作成は下記記事と同様に行いました。

[matplotlib] 57. imshow使用時に軸を画像から離して表示する方法

matplotlibのplt.imshowで画像表示する際に軸を画像から離して配置する方法を解説します。tick_paramsとspinesの設定で軸の位置を調整し、視認性を高めるテクニックを紹介します。

画像を表示すると下記のようになります。

バイナリ画像の生成

threshold_otsuを用いて大津の方法により２値化のためのしきい値を取得します。このしきい値を使って画像imをバイナリ画像に変換します。大津の方法による2値化については下記記事で詳しく説明しています。

[scikit-image] 50. グレースケール画像のしきい値処理によるバイナリ変換(2値化)

グレースケール画像を二値化するしきい値処理の方法をscikit-imageを使って解説。Otsuのアルゴリズムを活用した自動しきい値決定や、さまざまな閾値設定手法について実践的なPythonコード例と共に紹介します。

図示すると下記のようになります。

バイナリ画像のラベリング

labelでreturn_numオプションをTrueに設定すると、ラベル画像と総ラベル数が返り値として得られます。この場合、label_num = label_image[1]で総ラベル数を取得できます。また、label_imageの0の部分をnp.nanに置き換えて表示すると、上記のような結果になります。タイトルには総ラベル数を表示しました。

regionprops_tableによるデータの取得

まず、propertiesに取得したい項目を設定します。次に、regionprops_tableにラベル画像とプロパティを指定することで辞書形式のデータが得られます。この辞書データをpd.DataFrameに変換するだけで、整理されたテーブル形式のデータが完成します。取得可能な項目の詳細については、下記サイトをご参照ください。

skimage.measure — skimage 0.25.2 documentation

regionpropsで取得したデータを活用して、ラベル付けした領域に対して様々な処理が可能です。以下でその具体例を説明します。

ラベル領域を四角で囲む

面積が1000以上の領域を緑色の四角形で囲みます。region.bboxを使用して、四角形の4隅の座標を取得します。

ラベル領域の重心に点を表示

面積が1000以上の領域の重心に緑点を表示します。重心の座標はregion.centroidプロパティから取得できます。

ラベル領域にラベル番号をつける

コードをダウンロード(.pyファイル)

コードをダウンロード(.ipynbファイル)

まとめ

scikit-imageのregionprops_tableを使用することで、ラベリングした画像の各領域の特性データをpandasのDataFrameとして簡単に取得できます。これにより、画像内のオブジェクトの特性を分析しやすくなり、データの可視化や統計処理が効率的に行えます。特に複数の領域を含む画像処理において、この機能は非常に有用です。