`skimage.filters.rank`#

`autolevel`	使用局部直方圖自動調整影像的色階。
`autolevel_percentile`	傳回影像的灰階局部自動色階調整結果。
`enhance_contrast`	增強影像的對比度。
`enhance_contrast_percentile`	增強影像的對比度。
`entropy`	局部熵值。
`equalize`	使用局部直方圖均衡化影像。
`geometric_mean`	傳回影像的局部幾何平均值。
`gradient`	傳回影像的局部梯度（即局部最大值 - 局部最小值）。
`gradient_percentile`	傳回影像的局部梯度（即局部最大值 - 局部最小值）。
`majority`	將每個像素指定為其鄰域內最常見的值。
`maximum`	傳回影像的局部最大值。
`mean`	傳回影像的局部平均值。
`mean_bilateral`	套用平坦核雙邊濾波器。
`mean_percentile`	傳回影像的局部平均值。
`median`	傳回影像的局部中位數。
`minimum`	傳回影像的局部最小值。
`modal`	傳回影像的局部眾數。
`noise_filter`	雜訊特徵。
`otsu`	每個像素的局部 Otsu 閾值。
`percentile`	傳回影像的局部百分位數。
`pop`	傳回像素的局部數量（母體數）。
`pop_bilateral`	傳回像素的局部數量（母體數）。
`pop_percentile`	傳回像素的局部數量（母體數）。
`subtract_mean`	傳回從其局部平均值中減去的影像。
`subtract_mean_percentile`	傳回從其局部平均值中減去的影像。
`sum`	傳回像素的局部總和。
`sum_bilateral`	套用平坦核雙邊濾波器。
`sum_percentile`	傳回像素的局部總和。
`threshold`	影像的局部閾值。
`threshold_percentile`	影像的局部閾值。
`windowed_histogram`	正規化滑動視窗直方圖

skimage.filters.rank.autolevel(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, shift_z=0)[原始碼]#

使用局部直方圖自動調整影像的色階。

此濾波器會局部伸展灰階值的直方圖，以涵蓋從「白色」到「黑色」的整個值範圍。

參數:

image([P,] M, N) ndarray (uint8, uint16): 輸入影像。
footprintndarray: 鄰域表示為 1 和 0 的 ndarray。
out([P,] M, N) 陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray（整數或浮點數），可選: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_y, shift_zint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。

傳回:

out([P,] M, N) ndarray（與輸入影像相同的資料類型）: 輸出影像。

範例

>>> from skimage import data
>>> from skimage.morphology import disk, ball
>>> from skimage.filters.rank import autolevel
>>> import numpy as np
>>> img = data.camera()
>>> rng = np.random.default_rng()
>>> volume = rng.integers(0, 255, size=(10,10,10), dtype=np.uint8)
>>> auto = autolevel(img, disk(5))
>>> auto_vol = autolevel(volume, ball(5))

排序濾波器

skimage.filters.rank.autolevel_percentile(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, p0=0, p1=1)[原始碼]#

傳回影像的灰階局部自動色階調整結果。

此濾波器會局部伸展灰階值的直方圖，以涵蓋從「白色」到「黑色」的整個值範圍。

在濾波器中，只會考慮介於百分位數 [p0, p1] 之間的灰階值。

參數:

image2 維陣列 (uint8, uint16): 輸入影像。
footprint2 維陣列: 鄰域表示為 1 和 0 的 2 維陣列。
out2 維陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_yint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。
p0, p1介於 [0, …, 1] 的浮點數: 定義用於計算值的 [p0, p1] 百分位數間隔。

傳回:

out2 維陣列（與輸入影像相同的資料類型）: 輸出影像。

排序濾波器

skimage.filters.rank.enhance_contrast(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, shift_z=0)[原始碼]#

增強影像的對比度。

如果像素灰階值較接近局部最大值而不是局部最小值，此函式會將每個像素取代為局部最大值。否則，它會被局部最小值取代。

參數:

image([P,] M, N) ndarray (uint8, uint16): 輸入影像。
footprintndarray: 鄰域表示為 1 和 0 的 ndarray。
out([P,] M, N) 陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray（整數或浮點數），可選: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_y, shift_zint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。

傳回:

out([P,] M, N) ndarray（與輸入影像相同的資料類型）: 輸出影像

範例

>>> from skimage import data
>>> from skimage.morphology import disk, ball
>>> from skimage.filters.rank import enhance_contrast
>>> import numpy as np
>>> img = data.camera()
>>> rng = np.random.default_rng()
>>> volume = rng.integers(0, 255, size=(10,10,10), dtype=np.uint8)
>>> out = enhance_contrast(img, disk(5))
>>> out_vol = enhance_contrast(volume, ball(5))

排序濾波器

skimage.filters.rank.enhance_contrast_percentile(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, p0=0, p1=1)[原始碼]#

增強影像的對比度。

如果像素灰階值較接近局部最大值而不是局部最小值，此函式會將每個像素取代為局部最大值。否則，它會被局部最小值取代。

在濾波器中，只會考慮介於百分位數 [p0, p1] 之間的灰階值。

參數:

image2 維陣列 (uint8, uint16): 輸入影像。
footprint2 維陣列: 鄰域表示為 1 和 0 的 2 維陣列。
out2 維陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_yint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。
p0, p1介於 [0, …, 1] 的浮點數: 定義用於計算值的 [p0, p1] 百分位數間隔。

傳回:

out2 維陣列（與輸入影像相同的資料類型）: 輸出影像。

排序濾波器

skimage.filters.rank.entropy(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, shift_z=0)[原始碼]#

局部熵值。

熵是使用以 2 為底的對數計算的，也就是說，濾波器會傳回編碼局部灰階分佈所需的最少位元數。

參數:

image([P,] M, N) ndarray (uint8, uint16): 輸入影像。
footprintndarray: 鄰域表示為 1 和 0 的 ndarray。
out([P,] M, N) 陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray（整數或浮點數），可選: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_y, shift_zint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。

傳回:

out([P,] M, N) ndarray (float): 輸出影像。

參考文獻

[1]

https://en.wikipedia.org/wiki/Entropy_(information_theory)

範例

>>> from skimage import data
>>> from skimage.filters.rank import entropy
>>> from skimage.morphology import disk, ball
>>> import numpy as np
>>> img = data.camera()
>>> rng = np.random.default_rng()
>>> volume = rng.integers(0, 255, size=(10,10,10), dtype=np.uint8)
>>> ent = entropy(img, disk(5))
>>> ent_vol = entropy(volume, ball(5))

灰階影像著色

熵

排序濾波器

skimage.filters.rank.equalize(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, shift_z=0)[原始碼]#

使用局部直方圖均衡化影像。

參數:

image([P,] M, N) ndarray (uint8, uint16): 輸入影像。
footprintndarray: 鄰域表示為 1 和 0 的 ndarray。
out([P,] M, N) 陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray（整數或浮點數），可選: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_y, shift_zint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。

傳回:

out([P,] M, N) ndarray（與輸入影像相同的資料類型）: 輸出影像。

範例

>>> from skimage import data
>>> from skimage.morphology import disk, ball
>>> from skimage.filters.rank import equalize
>>> import numpy as np
>>> img = data.camera()
>>> rng = np.random.default_rng()
>>> volume = rng.integers(0, 255, size=(10,10,10), dtype=np.uint8)
>>> equ = equalize(img, disk(5))
>>> equ_vol = equalize(volume, ball(5))

局部直方圖等化

排序濾波器

skimage.filters.rank.geometric_mean(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, shift_z=0)[原始碼]#

傳回影像的局部幾何平均值。

參數:

image([P,] M, N) ndarray (uint8, uint16): 輸入影像。
footprintndarray: 鄰域表示為 1 和 0 的 ndarray。
out([P,] M, N) 陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray（整數或浮點數），可選: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_y, shift_zint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。

傳回:

out([P,] M, N) ndarray（與輸入影像相同的資料類型）: 輸出影像。

參考文獻

[1]

Gonzalez, R. C. and Woods, R. E. “數位影像處理（第三版）。” Prentice-Hall Inc, 2006。

範例

>>> from skimage import data
>>> from skimage.morphology import disk, ball
>>> from skimage.filters.rank import mean
>>> import numpy as np
>>> img = data.camera()
>>> rng = np.random.default_rng()
>>> volume = rng.integers(0, 255, size=(10,10,10), dtype=np.uint8)
>>> avg = geometric_mean(img, disk(5))
>>> avg_vol = geometric_mean(volume, ball(5))

skimage.filters.rank.gradient(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, shift_z=0)[原始碼]#

傳回影像的局部梯度（即局部最大值 - 局部最小值）。

參數:

image([P,] M, N) ndarray (uint8, uint16): 輸入影像。
footprintndarray: 鄰域表示為 1 和 0 的 ndarray。
out([P,] M, N) 陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray（整數或浮點數），可選: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_y, shift_zint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。

傳回:

out([P,] M, N) ndarray（與輸入影像相同的資料類型）: 輸出影像。

範例

>>> from skimage import data
>>> from skimage.morphology import disk, ball
>>> from skimage.filters.rank import gradient
>>> import numpy as np
>>> img = data.camera()
>>> rng = np.random.default_rng()
>>> volume = rng.integers(0, 255, size=(10,10,10), dtype=np.uint8)
>>> out = gradient(img, disk(5))
>>> out_vol = gradient(volume, ball(5))

用於分水嶺轉換的標記

排序濾波器

skimage.filters.rank.gradient_percentile(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, p0=0, p1=1)[原始碼]#

傳回影像的局部梯度（即局部最大值 - 局部最小值）。

在濾波器中，只會考慮介於百分位數 [p0, p1] 之間的灰階值。

參數:

image2 維陣列 (uint8, uint16): 輸入影像。
footprint2 維陣列: 鄰域表示為 1 和 0 的 2 維陣列。
out2 維陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_yint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。
p0, p1介於 [0, …, 1] 的浮點數: 定義用於計算值的 [p0, p1] 百分位數間隔。

傳回:

out2 維陣列（與輸入影像相同的資料類型）: 輸出影像。

skimage.filters.rank.majority(image, footprint, *, out=None, mask=None, shift_x=0, shift_y=0, shift_z=0)[原始碼]#

將每個像素指定為其鄰域內最常見的值。

參數:

imagendarray: 影像陣列（uint8、uint16 陣列）。
footprint二維陣列 (整數或浮點數): 鄰域表示為 1 和 0 的 2 維陣列。
outndarray (整數或浮點數), 可選: 若為 None，將會配置一個新的陣列。
maskndarray（整數或浮點數），可選: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_yint, 可選: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。

傳回:

out2 維陣列（與輸入影像相同的資料類型）: 輸出影像。

範例

>>> from skimage import data
>>> from skimage.filters.rank import majority
>>> from skimage.morphology import disk, ball
>>> import numpy as np
>>> img = data.camera()
>>> rng = np.random.default_rng()
>>> volume = rng.integers(0, 255, size=(10,10,10), dtype=np.uint8)
>>> maj_img = majority(img, disk(5))
>>> maj_img_vol = majority(volume, ball(5))

skimage.filters.rank.maximum(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, shift_z=0)[原始碼]#

傳回影像的局部最大值。

參數:

image([P,] M, N) ndarray (uint8, uint16): 輸入影像。
footprintndarray: 鄰域表示為 1 和 0 的 ndarray。
out([P,] M, N) 陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray（整數或浮點數），可選: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_y, shift_zint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。

傳回:

out([P,] M, N) ndarray（與輸入影像相同的資料類型）: 輸出影像。

另請參閱

skimage.morphology.dilation

備註

較低的演算法複雜度使得 skimage.filters.rank.maximum 在處理較大的影像和足跡時更有效率。

範例

>>> from skimage import data
>>> from skimage.morphology import disk, ball
>>> from skimage.filters.rank import maximum
>>> import numpy as np
>>> img = data.camera()
>>> rng = np.random.default_rng()
>>> volume = rng.integers(0, 255, size=(10,10,10), dtype=np.uint8)
>>> out = maximum(img, disk(5))
>>> out_vol = maximum(volume, ball(5))

排序濾波器

skimage.filters.rank.mean(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, shift_z=0)[原始碼]#

傳回影像的局部平均值。

參數:

image([P,] M, N) ndarray (uint8, uint16): 輸入影像。
footprintndarray: 鄰域表示為 1 和 0 的 ndarray。
out([P,] M, N) 陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray（整數或浮點數），可選: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_y, shift_zint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。

傳回:

out([P,] M, N) ndarray（與輸入影像相同的資料類型）: 輸出影像。

範例

>>> from skimage import data
>>> from skimage.morphology import disk, ball
>>> from skimage.filters.rank import mean
>>> import numpy as np
>>> img = data.camera()
>>> rng = np.random.default_rng()
>>> volume = rng.integers(0, 255, size=(10,10,10), dtype=np.uint8)
>>> avg = mean(img, disk(5))
>>> avg_vol = mean(volume, ball(5))

均值濾波器

分割人類細胞（有絲分裂中）

排序濾波器

skimage.filters.rank.mean_bilateral(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, s0=10, s1=10)[原始碼]#

套用平坦核雙邊濾波器。

這是一個保留邊緣並降低雜訊的去雜訊濾波器。它會根據像素的空間接近度和輻射相似度來平均像素。

空間接近度是透過僅考慮足跡（結構元素）給定的局部像素鄰域來測量的。

輻射相似度由灰階區間 [g-s0, g+s1] 定義，其中 g 是目前像素的灰階值。

只會平均屬於足跡且灰階值在此區間內的像素。

參數:

image2 維陣列 (uint8, uint16): 輸入影像。
footprint2 維陣列: 鄰域表示為 1 和 0 的 2 維陣列。
out2 維陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_yint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。
s0, s1int: 定義中心像素灰階值周圍的 [s0, s1] 區間，以用於計算數值。

傳回:

out2 維陣列（與輸入影像相同的資料類型）: 輸出影像。

另請參閱

skimage.restoration.denoise_bilateral

範例

>>> import numpy as np
>>> from skimage import data
>>> from skimage.morphology import disk
>>> from skimage.filters.rank import mean_bilateral
>>> img = data.camera().astype(np.uint16)
>>> bilat_img = mean_bilateral(img, disk(20), s0=10,s1=10)

均值濾波器

排序濾波器

skimage.filters.rank.mean_percentile(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, p0=0, p1=1)[原始碼]#

傳回影像的局部平均值。

在濾波器中，只會考慮介於百分位數 [p0, p1] 之間的灰階值。

參數:

image2 維陣列 (uint8, uint16): 輸入影像。
footprint2 維陣列: 鄰域表示為 1 和 0 的 2 維陣列。
out2 維陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_yint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。
p0, p1介於 [0, …, 1] 的浮點數: 定義用於計算值的 [p0, p1] 百分位數間隔。

傳回:

out2 維陣列（與輸入影像相同的資料類型）: 輸出影像。

均值濾波器

skimage.filters.rank.median(image, footprint=None, out=None, mask=None, shift_x=0, shift_y=0, shift_z=0)[原始碼]#

傳回影像的局部中位數。

參數:

image([P,] M, N) ndarray (uint8, uint16): 輸入影像。
footprintndarray: 鄰域表示為一個由 1 和 0 組成的 ndarray。如果為 None，則使用大小為 3 的完整正方形。
out([P,] M, N) 陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray（整數或浮點數），可選: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_y, shift_zint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。

傳回:

out([P,] M, N) ndarray（與輸入影像相同的資料類型）: 輸出影像。

另請參閱

skimage.filters.median: 中值濾波的實作，可處理具有浮點精度的影像。

範例

>>> from skimage import data
>>> from skimage.morphology import disk, ball
>>> from skimage.filters.rank import median
>>> import numpy as np
>>> img = data.camera()
>>> rng = np.random.default_rng()
>>> volume = rng.integers(0, 255, size=(10,10,10), dtype=np.uint8)
>>> med = median(img, disk(5))
>>> med_vol = median(volume, ball(5))

用於分水嶺轉換的標記

排序濾波器

skimage.filters.rank.minimum(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, shift_z=0)[原始碼]#

傳回影像的局部最小值。

參數:

image([P,] M, N) ndarray (uint8, uint16): 輸入影像。
footprintndarray: 鄰域表示為 1 和 0 的 ndarray。
out([P,] M, N) 陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray（整數或浮點數），可選: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_y, shift_zint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。

傳回:

out([P,] M, N) ndarray（與輸入影像相同的資料類型）: 輸出影像。

另請參閱

skimage.morphology.erosion

備註

較低的演算法複雜度使得 skimage.filters.rank.minimum 對於較大的影像和足跡更加有效率。

範例

>>> from skimage import data
>>> from skimage.morphology import disk, ball
>>> from skimage.filters.rank import minimum
>>> import numpy as np
>>> img = data.camera()
>>> rng = np.random.default_rng()
>>> volume = rng.integers(0, 255, size=(10,10,10), dtype=np.uint8)
>>> out = minimum(img, disk(5))
>>> out_vol = minimum(volume, ball(5))

排序濾波器

skimage.filters.rank.modal(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, shift_z=0)[原始碼]#

傳回影像的局部眾數。

眾數是局部直方圖中出現最頻繁的值。

參數:

image([P,] M, N) ndarray (uint8, uint16): 輸入影像。
footprintndarray: 鄰域表示為 1 和 0 的 ndarray。
out([P,] M, N) 陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray（整數或浮點數），可選: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_y, shift_zint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。

傳回:

out([P,] M, N) ndarray（與輸入影像相同的資料類型）: 輸出影像。

範例

>>> from skimage import data
>>> from skimage.morphology import disk, ball
>>> from skimage.filters.rank import modal
>>> import numpy as np
>>> img = data.camera()
>>> rng = np.random.default_rng()
>>> volume = rng.integers(0, 255, size=(10,10,10), dtype=np.uint8)
>>> out = modal(img, disk(5))
>>> out_vol = modal(volume, ball(5))

skimage.filters.rank.noise_filter(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, shift_z=0)[原始碼]#

雜訊特徵。

參數:

image([P,] M, N) ndarray (uint8, uint16): 輸入影像。
footprintndarray: 鄰域表示為 1 和 0 的 ndarray。
out([P,] M, N) 陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray（整數或浮點數），可選: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_y, shift_zint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。

傳回:

out([P,] M, N) ndarray（與輸入影像相同的資料類型）: 輸出影像。

參考文獻

[1]

N. Hashimoto 等人。Referenceless image quality evaluation for whole slide imaging. J Pathol Inform 2012;3:9.

範例

>>> from skimage import data
>>> from skimage.morphology import disk, ball
>>> from skimage.filters.rank import noise_filter
>>> import numpy as np
>>> img = data.camera()
>>> rng = np.random.default_rng()
>>> volume = rng.integers(0, 255, size=(10,10,10), dtype=np.uint8)
>>> out = noise_filter(img, disk(5))
>>> out_vol = noise_filter(volume, ball(5))

skimage.filters.rank.otsu(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, shift_z=0)[原始碼]#

每個像素的局部大津閾值。

參數:

image([P,] M, N) ndarray (uint8, uint16): 輸入影像。
footprintndarray: 鄰域表示為 1 和 0 的 ndarray。
out([P,] M, N) 陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray（整數或浮點數），可選: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_y, shift_zint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。

傳回:

out([P,] M, N) ndarray（與輸入影像相同的資料類型）: 輸出影像。

參考文獻

[1]

https://en.wikipedia.org/wiki/Otsu’s_method

範例

>>> from skimage import data
>>> from skimage.filters.rank import otsu
>>> from skimage.morphology import disk, ball
>>> import numpy as np
>>> img = data.camera()
>>> rng = np.random.default_rng()
>>> volume = rng.integers(0, 255, size=(10,10,10), dtype=np.uint8)
>>> local_otsu = otsu(img, disk(5))
>>> thresh_image = img >= local_otsu
>>> local_otsu_vol = otsu(volume, ball(5))
>>> thresh_image_vol = volume >= local_otsu_vol

閾值處理

排序濾波器

skimage.filters.rank.percentile(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, p0=0)[原始碼]#

傳回影像的局部百分位數。

傳回局部灰度值分佈的第 p0 個較低百分位數的值。

在濾波器中，只會考慮介於百分位數 [p0, p1] 之間的灰階值。

參數:

image2 維陣列 (uint8, uint16): 輸入影像。
footprint2 維陣列: 鄰域表示為 1 和 0 的 2 維陣列。
out2 維陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_yint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。
p0float，範圍在 [0, …, 1] 之間: 設定百分位數值。

傳回:

out2 維陣列（與輸入影像相同的資料類型）: 輸出影像。

skimage.filters.rank.pop(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, shift_z=0)[原始碼]#

傳回像素的局部數量（母體數）。

像素數定義為包含在足跡和遮罩中的像素數。

參數:

image([P,] M, N) ndarray (uint8, uint16): 輸入影像。
footprintndarray: 鄰域表示為 1 和 0 的 ndarray。
out([P,] M, N) 陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray（整數或浮點數），可選: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_y, shift_zint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。

傳回:

out([P,] M, N) ndarray（與輸入影像相同的資料類型）: 輸出影像。

範例

>>> from skimage.morphology import footprint_rectangle # Need to add 3D example
>>> import skimage.filters.rank as rank
>>> img = 255 * np.array([[0, 0, 0, 0, 0],
...                       [0, 1, 1, 1, 0],
...                       [0, 1, 1, 1, 0],
...                       [0, 1, 1, 1, 0],
...                       [0, 0, 0, 0, 0]], dtype=np.uint8)
>>> rank.pop(img, footprint_rectangle((3, 3)))
array([[4, 6, 6, 6, 4],
       [6, 9, 9, 9, 6],
       [6, 9, 9, 9, 6],
       [6, 9, 9, 9, 6],
       [4, 6, 6, 6, 4]], dtype=uint8)

skimage.filters.rank.pop_bilateral(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, s0=10, s1=10)[原始碼]#

傳回像素的局部數量（母體數）。

像素數定義為包含在足跡和遮罩中的像素數。此外，像素的灰度值必須在區間 [g-s0, g+s1] 內，其中 g 是中心像素的灰度值。

參數:

image2 維陣列 (uint8, uint16): 輸入影像。
footprint2 維陣列: 鄰域表示為 1 和 0 的 2 維陣列。
out2 維陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_yint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。
s0, s1int: 定義中心像素灰階值周圍的 [s0, s1] 區間，以用於計算數值。

傳回:

out2 維陣列（與輸入影像相同的資料類型）: 輸出影像。

範例

>>> import numpy as np
>>> from skimage.morphology import footprint_rectangle
>>> import skimage.filters.rank as rank
>>> img = 255 * np.array([[0, 0, 0, 0, 0],
...                       [0, 1, 1, 1, 0],
...                       [0, 1, 1, 1, 0],
...                       [0, 1, 1, 1, 0],
...                       [0, 0, 0, 0, 0]], dtype=np.uint16)
>>> rank.pop_bilateral(img, footprint_rectangle((3, 3)), s0=10, s1=10)
array([[3, 4, 3, 4, 3],
       [4, 4, 6, 4, 4],
       [3, 6, 9, 6, 3],
       [4, 4, 6, 4, 4],
       [3, 4, 3, 4, 3]], dtype=uint16)

skimage.filters.rank.pop_percentile(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, p0=0, p1=1)[原始碼]#

傳回像素的局部數量（母體數）。

像素數定義為包含在足跡和遮罩中的像素數。

在濾波器中，只會考慮介於百分位數 [p0, p1] 之間的灰階值。

參數:

image2 維陣列 (uint8, uint16): 輸入影像。
footprint2 維陣列: 鄰域表示為 1 和 0 的 2 維陣列。
out2 維陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_yint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。
p0, p1介於 [0, …, 1] 的浮點數: 定義用於計算值的 [p0, p1] 百分位數間隔。

傳回:

out2 維陣列（與輸入影像相同的資料類型）: 輸出影像。

skimage.filters.rank.subtract_mean(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, shift_z=0)[原始碼]#

傳回從其局部平均值中減去的影像。

參數:

image([P,] M, N) ndarray (uint8, uint16): 輸入影像。
footprintndarray: 鄰域表示為 1 和 0 的 ndarray。
out([P,] M, N) 陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray（整數或浮點數），可選: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_y, shift_zint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。

傳回:

out([P,] M, N) ndarray（與輸入影像相同的資料類型）: 輸出影像。

備註

減去均值可能會導致下溢。為了補償這種潛在的下溢，所獲得的差值會縮小 2 倍，並移動 n_bins / 2 - 1，即局部直方圖的中位數（對於 16 位元影像，n_bins = max(3, image.max()) +1，否則為 256）。

範例

>>> from skimage import data
>>> from skimage.morphology import disk, ball
>>> from skimage.filters.rank import subtract_mean
>>> import numpy as np
>>> img = data.camera()
>>> rng = np.random.default_rng()
>>> volume = rng.integers(0, 255, size=(10,10,10), dtype=np.uint8)
>>> out = subtract_mean(img, disk(5))
>>> out_vol = subtract_mean(volume, ball(5))

skimage.filters.rank.subtract_mean_percentile(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, p0=0, p1=1)[原始碼]#

傳回從其局部平均值中減去的影像。

在濾波器中，只會考慮介於百分位數 [p0, p1] 之間的灰階值。

參數:

image2 維陣列 (uint8, uint16): 輸入影像。
footprint2 維陣列: 鄰域表示為 1 和 0 的 2 維陣列。
out2 維陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_yint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。
p0, p1介於 [0, …, 1] 的浮點數: 定義用於計算值的 [p0, p1] 百分位數間隔。

傳回:

out2 維陣列（與輸入影像相同的資料類型）: 輸出影像。

skimage.filters.rank.sum(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, shift_z=0)[原始碼]#

傳回像素的局部總和。

請注意，總和可能會根據輸入陣列的資料類型而溢位。

參數:

image([P,] M, N) ndarray (uint8, uint16): 輸入影像。
footprintndarray: 鄰域表示為 1 和 0 的 ndarray。
out([P,] M, N) 陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray（整數或浮點數），可選: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_y, shift_zint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。

傳回:

out([P,] M, N) ndarray（與輸入影像相同的資料類型）: 輸出影像。

範例

>>> from skimage.morphology import footprint_rectangle # Need to add 3D example
>>> import skimage.filters.rank as rank         # Cube seems to fail but
>>> img = np.array([[0, 0, 0, 0, 0],            # Ball can pass
...                 [0, 1, 1, 1, 0],
...                 [0, 1, 1, 1, 0],
...                 [0, 1, 1, 1, 0],
...                 [0, 0, 0, 0, 0]], dtype=np.uint8)
>>> rank.sum(img, footprint_rectangle((3, 3)))
array([[1, 2, 3, 2, 1],
       [2, 4, 6, 4, 2],
       [3, 6, 9, 6, 3],
       [2, 4, 6, 4, 2],
       [1, 2, 3, 2, 1]], dtype=uint8)

skimage.filters.rank.sum_bilateral(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, s0=10, s1=10)[原始碼]#

套用平坦核雙邊濾波器。

這是一個保留邊緣並降低雜訊的去雜訊濾波器。它會根據像素的空間接近度和輻射相似度來平均像素。

空間接近度是透過僅考慮足跡（結構元素）給定的局部像素鄰域來測量的。

輻射相似度由灰階區間 [g-s0, g+s1] 定義，其中 g 是目前像素的灰階值。

只會加總屬於足跡範圍內，且灰度值在該區間內的像素。

請注意，總和可能會根據輸入陣列的資料類型而溢位。

參數:

image2 維陣列 (uint8, uint16): 輸入影像。
footprint2 維陣列: 鄰域表示為 1 和 0 的 2 維陣列。
out2 維陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_yint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。
s0, s1int: 定義中心像素灰階值周圍的 [s0, s1] 區間，以用於計算數值。

傳回:

out2 維陣列（與輸入影像相同的資料類型）: 輸出影像。

另請參閱

skimage.restoration.denoise_bilateral

範例

>>> import numpy as np
>>> from skimage import data
>>> from skimage.morphology import disk
>>> from skimage.filters.rank import sum_bilateral
>>> img = data.camera().astype(np.uint16)
>>> bilat_img = sum_bilateral(img, disk(10), s0=10, s1=10)

skimage.filters.rank.sum_percentile(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, p0=0, p1=1)[原始碼]#

傳回像素的局部總和。

在濾波器中，只會考慮介於百分位數 [p0, p1] 之間的灰階值。

請注意，總和可能會根據輸入陣列的資料類型而溢位。

參數:

image2 維陣列 (uint8, uint16): 輸入影像。
footprint2 維陣列: 鄰域表示為 1 和 0 的 2 維陣列。
out2 維陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_yint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。
p0, p1介於 [0, …, 1] 的浮點數: 定義用於計算值的 [p0, p1] 百分位數間隔。

傳回:

out2 維陣列（與輸入影像相同的資料類型）: 輸出影像。

skimage.filters.rank.threshold(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, shift_z=0)[原始碼]#

影像的局部閾值。

如果中心像素的灰度值大於局部均值，則產生的二值遮罩為 True。

參數:

image([P,] M, N) ndarray (uint8, uint16): 輸入影像。
footprintndarray: 鄰域表示為 1 和 0 的 ndarray。
out([P,] M, N) 陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray（整數或浮點數），可選: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_y, shift_zint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。

傳回:

out([P,] M, N) ndarray（與輸入影像相同的資料類型）: 輸出影像。

範例

>>> from skimage.morphology import footprint_rectangle # Need to add 3D example
>>> from skimage.filters.rank import threshold
>>> img = 255 * np.array([[0, 0, 0, 0, 0],
...                       [0, 1, 1, 1, 0],
...                       [0, 1, 1, 1, 0],
...                       [0, 1, 1, 1, 0],
...                       [0, 0, 0, 0, 0]], dtype=np.uint8)
>>> threshold(img, footprint_rectangle((3, 3)))
array([[0, 0, 0, 0, 0],
       [0, 1, 1, 1, 0],
       [0, 1, 0, 1, 0],
       [0, 1, 1, 1, 0],
       [0, 0, 0, 0, 0]], dtype=uint8)

skimage.filters.rank.threshold_percentile(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, p0=0)[原始碼]#

影像的局部閾值。

如果中心像素的灰度值大於局部均值，則產生的二值遮罩為 True。

在濾波器中，只會考慮介於百分位數 [p0, p1] 之間的灰階值。

參數:

image2 維陣列 (uint8, uint16): 輸入影像。
footprint2 維陣列: 鄰域表示為 1 和 0 的 2 維陣列。
out2 維陣列（與輸入相同的資料類型）: 如果為 None，則會配置一個新陣列。
maskndarray: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_yint: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。
p0float，範圍在 [0, …, 1] 之間: 設定百分位數值。

傳回:

out2 維陣列（與輸入影像相同的資料類型）: 輸出影像。

skimage.filters.rank.windowed_histogram(image, footprint, out=None, mask=None, shift_x=0, shift_y=0, n_bins=None)[原始碼]#

正規化滑動視窗直方圖

參數:

image2 維陣列（整數或浮點數）: 輸入影像。
footprint二維陣列 (整數或浮點數): 鄰域表示為 1 和 0 的 2 維陣列。
out2 維陣列（整數或浮點數），可選: 如果為 None，則會配置一個新陣列。
maskndarray（整數或浮點數），可選: 遮罩陣列，用於定義包含在局部鄰域中的影像區域（>0）。如果為 None，則會使用完整影像（預設）。
shift_x, shift_yint, 可選: 新增至足跡中心點的偏移量。偏移量受足跡大小限制（中心必須位於給定的足跡內）。
n_bins整數或 None: 直方圖箱的數量。如果傳遞 None，則預設為 image.max() + 1。

傳回:

out3 維陣列（浮點數）: 維度為 (H, W, N) 的陣列，其中 (H, W) 是輸入影像的維度，而 N 是 n_bins 或 image.max() + 1（如果沒有提供參數值）。實際上，每個像素都是一個 N 維特徵向量，即直方圖。特徵向量中元素的總和將為 1，除非視窗中沒有像素被足跡和遮罩覆蓋，在這種情況下，所有元素將為 0。

範例

>>> from skimage import data
>>> from skimage.filters.rank import windowed_histogram
>>> from skimage.morphology import disk, ball
>>> import numpy as np
>>> img = data.camera()
>>> rng = np.random.default_rng()
>>> volume = rng.integers(0, 255, size=(10,10,10), dtype=np.uint8)
>>> hist_img = windowed_histogram(img, disk(5))

滑動視窗直方圖

skimage.filters.rank#

`skimage.filters.rank`#