はじめに
scikit-imageのregionprops_tableでラベリングした領域の情報を取得できるregionpropsのデータをpandasのDataFrameにする。
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った。
[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。
sabopy.com
2020.01.23
画像を表示すると下記のようになる。
バイナリ画像の生成
threshold_otsuで大津の方法により２値化のためのしきい値を得る。
そのしきい値を用いて画像imをバイナリ画像へと変換する。
大津の方法による2値化については下記記事で説明した。
[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。
sabopy.com
2019.09.25
図示すると下記のようになる。
バイナリ画像のラベリング
labelでreturn_numをTrueにすると、ラベル画像と総ラベル数が返り値として得られるので、label_num = label_image[1]で総ラベル数を取得する。
label_imageの0の部分をnp.nanにして表示すると上記のようになる。タイトルに総ラベル数を表示した。
regionprops_tableによるデータの取得
propertiesに取得した項目を設定し、regionprops_tableにラベル画像とプロパティを記述することで辞書形式のデータが得られる。これをそのままpd.DataFrameでデータフレーム化することでTableが得られる。
取得できる項目については下記サイトが詳しい。
skimage.measure — skimage 0.25.2 documentation
scikit-image.org
このregionpropsで得られるデータを用いて、ラベルをつけた領域に対して様々な処理ができる。
その例を下記で説明する。
ラベル領域を四角で囲む
面積が1000以上のものを緑四角で囲む。region.bboxにより、４隅の座標を取得する。
ラベル領域の重心に点を表示
面積が1000以上のものの重心に緑点を表示する。region.centroidにより、重心の座標を取得する。
ラベル領域にラベル番号をつける
参考
skimage.measure — skimage 0.25.2 documentation
scikit-image.org
Explore and visualize region properties with pandas — skimage 0.26.0rc0.dev0 documentation
scikit-image.org
コメント