Mahotas

Python计算机视觉库

Mahotas是一个库，包含快速计算机视觉算法（所有算法都使用C++实现以提高速度），这些算法在numpy数组上运行。

支持Python版本2.7和3.4+。

显著的算法

• 流域算法
• 凸点计算.
• 击中 & 失误，细化。
• 泽尼克 & 哈拉利克，LBP，和TAS特征。
• 加速鲁棒特征 (SURF)，一种局部特征。
• 阈值化.
• 卷积。
• 索贝尔边缘检测。
• 样条插值
• SLIC超像素。

Mahotas目前拥有超过100个图像处理和计算机视觉函数，并且还在不断增长。

发布计划大致为每月发布一次，每次发布都带来新的功能和提高的性能。尽管接口非常稳定，但使用多年前的mahotas版本编写的代码在当前版本中仍然可以正常工作，但会更快（一些接口已弃用，将在几年后删除，但在此期间，您只会收到警告）。在少数不幸的情况下，旧代码中存在错误，您的结果将得到改善。

如果您在出版物中使用它，请引用 mahotas 论文（详情请见下文 引用 部分）。

示例

这是一个简单的示例（使用与 mahotas 一起提供的示例文件），演示如何使用上述阈上区域作为种子调用 watersheds（我们使用 Otsu 算法来定义阈值）。

# import using ``mh`` abbreviation which is common:
import mahotas as mh

# Load one of the demo images
im = mh.demos.load('nuclear')

# Automatically compute a threshold
T_otsu = mh.thresholding.otsu(im)

# Label the thresholded image (thresholding is done with numpy operations
seeds,nr_regions = mh.label(im > T_otsu)

# Call seeded watershed to expand the threshold
labeled = mh.cwatershed(im.max() - im, seeds)

下面是一个使用 mahotas.distance 的非常简单的示例（该函数计算距离图）

import pylab as p
import numpy as np
import mahotas as mh

f = np.ones((256,256), bool)
f[200:,240:] = False
f[128:144,32:48] = False
# f is basically True with the exception of two islands: one in the lower-right
# corner, another, middle-left

dmap = mh.distance(f)
p.imshow(dmap)
p.show()

（位于 mahotas/demos/distance.py。）

如何调用阈值函数

import mahotas as mh
import numpy as np
from pylab import imshow, gray, show, subplot
from os import path

# Load photo of mahotas' author in greyscale
photo = mh.demos.load('luispedro', as_grey=True)

# Convert to integer values (using numpy operations)
photo = photo.astype(np.uint8)

# Compute Otsu threshold
T_otsu = mh.otsu(photo)
thresholded_otsu = (photo > T_otsu)

# Compute Riddler-Calvard threshold
T_rc = mh.rc(photo)
thresholded_rc = (photo > T_rc)

# Now call pylab functions to display the image
gray()
subplot(2,1,1)
imshow(thresholded_otsu)
subplot(2,1,2)
imshow(thresholded_rc)
show()

如您所见，我们依赖于 numpy/matplotlib 来执行许多操作。

安装

如果您使用 conda，您可以使用以下命令从 conda-forge 安装 mahotas：

conda config --add channels conda-forge
conda install mahotas

从源码编译

您需要 python（当然），numpy 和一个 C++ 编译器。然后您应该可以使用

pip install mahotas

您可以通过运行以下命令来测试您的安装：

python -c "import mahotas as mh; mh.test()"

如果您遇到问题，手册中有关于 mahotas 安装的更多详细文档，包括如何找到为几个平台预构建的版本。

引用

如果您在已发表的出版物中使用 mahotas，请引用以下内容：

Luis Pedro Coelho Mahotas: Open source software for scriptable computer vision in Journal of Open Research Software, vol 1, 2013. [DOI]

Bibtex 格式

@article{mahotas, author = {Luis Pedro Coelho}, title = {Mahotas: Open source software for scriptable computer vision}, journal = {Journal of Open Research Software}, year = {2013}, doi = {https://dx.doi.org/10.5334/jors.ac}, month = {July}, volume = {1} }

您可以使用 mahotas.citation() 函数访问此信息。

开发

开发在 github（https://github.com/luispedro/mahotas）上。

在编译之前设置 DEBUG 环境变量可以获取调试版本

export DEBUG=1
python setup.py test

将其设置为 2 以获取额外的检查

export DEBUG=2
python setup.py test

请谨慎使用此版本，除非您正在追踪错误。调试级别 2 非常慢，因为它添加了许多运行时检查。

mahotas 源代码中提供的 Makefile 也很有用。《make debug》将创建一个调试版本。《make fast》将创建一个非调试版本（您需要在之间运行 make clean）。《make test》将运行测试套件。

链接 & 联系方式

文档: https://mahotas.readthedocs.io/

问题追踪器: github mahotas issues

邮件列表: 使用 pythonvision 邮件列表 提出问题、提交错误等。或者在 stackoverflow（标签 mahotas） 上提问。

主要作者 & 维护者: Luis Pedro Coelho（在 twitter 或 github 上关注）。

Mahotas 还包括 Zachary Pincus [来自 scikits.image]、Peter J. Verveer [来自 scipy.ndimage]、Davis King [来自 dlib]、Christoph Gohlke 以及 其他人 的代码。

mahotas 生物图像信息学介绍

有关 Python 中计算机视觉的更一般性讨论，pythonvision 邮件列表 是一个更好的场所，并生成供未来他人参考的公共讨论日志。您可以使用它来提问有关 mahotas 或 Python 中一般计算机视觉的问题。

最近更改

版本 1.4.18（2024 年 7 月 18 日）

• 修复了 Haralick 特征和 NumPy 2 中的错误（感谢 @Czaki，见 #150）

版本 1.4.17（2024 年 7 月 13 日）

• 修复了导致 mahotas 在 Windows 上无法工作的错误

版本 1.4.16（2024 年 7 月 3 日）

• 针对 NumPy 2 的更新
• 为 freeimage 添加弃用警告

版本 1.4.15（2024年3月24日）

• 更新构建系统（感谢 @Czaki，见 #147）

版本 1.4.14（2024年3月24日）

• 修复 C++17 代码（问题 #146）

版本 1.4.13（2022年6月28日）

• 修复 freeimage 测试（并使 freeimage 加载更健壮，见 #129）
• 添加 GIL 固定（这在新版 NumPy 版本中触发了崩溃）

版本 1.4.12（2021年10月14日）

• 更新到较新的 NumPy
• 为 Python 3.9 和 3.10 构建轮子

版本 1.4.11（2020年8月16日）

• 将测试转换为 pytest
• 修复 PyPy 上的测试

版本 1.4.10（2020年6月11日）

• 自动构建轮子（由 nathanhillyer 提交的 PR #114）

版本 1.4.9（2019年11月12日）

• 修复 FreeImage 检测（问题 #108）

版本 1.4.8（2019年10月11日）

• 修复共生矩阵计算（@databaaz 的补丁）

版本 1.4.7（2019年7月10日）

• 修复 Windows 上的编译问题

版本 1.4.6（2019年7月10日）

• 使 watershed 在 >2³¹ 个体素时也能工作（问题 #102）
• 从演示中移除 milk
• 通过在 cwatershed()、majority_filter() 和颜色转换中避免不必要的数组复制来提高性能
• 修复插值中的错误

版本 1.4.5（2018年10月20日）

• 升级代码以使用较新的 NumPy API（问题 #95）

版本 1.4.4（2017年11月5日）

• 修复 Bernsen 阈值中的错误（问题 #84）

版本 1.4.3（2016年10月3日）

• 修复发行版（添加缺少的 README.md 文件）

版本 1.4.2（2016年10月2日）

• 修复 resize_to 返回确切请求的大小
• 修复在具有负值的数组上计算纹理时的硬崩溃（问题 #72）
• 将 distance 参数添加到 Haralick 特征（Guillaume Lemaitre 的拉取请求 #76）

版本 1.4.1（2015年12月20日）

• 添加 filter_labeled 函数
• 修复 32 位平台和较旧版本的 numpy 上的测试

版本 1.4.0（2015年7月8日）

• 添加 mahotas-features.py 脚本
• 添加 citation() 函数的简短参数
• 添加 thin() 函数的 max_iter 参数
• 修复当没有背景时 labeled.bbox 的错误（由 Daniel Haehn 报告的问题 #61）
• bbox 现在允许维度大于 2（包括使用 as_slice 和 border 参数时）
• 扩展 croptobbox 以支持维度大于 2
• 将 use_x_minus_y_variance 选项添加到 Haralick 特征
• 添加 lbp_names 函数

版本 1.3.0（2015年4月28日）

• 改进 freeimage.write_multipage 的内存处理
• 修复 moments 参数交换
• 添加 labeled.bbox 函数
• 将 return_mean 和 return_mean_ptp 参数添加到 haralick 函数
• 添加高斯差分滤波器（Jianyu Wang 提供）
• 添加拉普拉斯滤波器（Jianyu Wang 提供）
• 修复 median_filter 在传递不匹配参数时的崩溃
• 修复 gaussian_filter1d 的 ndim > 2

版本 1.2.4（2014年12月23日）

• 添加基于 PIL 的 IO

版本 1.2.3（2014年11月8日）

• 在顶层导出 mean_filter
• 修复 Zernike 瞬时计算（Sergey Demurin 报告）
• 修复在没有 npy_float128 的平台上的编译（Gabi Davar 的补丁）

版本 1.2.2（2014年10月19日）

• 将 minlength 参数添加到 labeled_sum
• 将 regmax/regmin 通用化以支持浮点图像
• 允许 cwatershed() 接受浮点输入
• 正确检查 float16 & float128 输入
• 将 sobel 转换为纯函数（即，不归一化其输入）
• 修复 sobel 过滤

版本 1.2.1（2014年7月21日）

• 在 setup.py 中显式设置 numpy.include_dirs() [Andrew Stromnov 的补丁]

版本 1.2（2014年7月17日）

• 在 mahotas 命名空间级别导出 locmax|locmin
• 将 ellipse_axes 从 eccentricity 代码中分离出来，因为它可以作为独立的功能使用
• 添加 find() 函数
• 添加 mean_filter() 函数
• 修复 cwatershed() 溢出可能性
• 使标记函数在接收更多类型时更加灵活
• 修复 close_holes() 在 nD 图像中的崩溃（对于 n > 2）
• 删除 matplotlibwrap
• 使用标准的 setuptools 构建（而不是 numpy.distutils）
• 添加 overlay() 函数

版本 1.1.1（2014年7月4日）

• 修复 close_holes() 在 nD 图像中的崩溃（对于 n > 2）

1.1.0（2014年2月12日）

• 更好的错误检查
• 使用顺序 1 修复整数图像的插值
• 添加 resize_to & resize_rgb_to
• 添加 coveralls 覆盖率
• 修复 SLIC 超像素连接性
• 添加 remove_regions_where 函数
• 修复卷积中的硬崩溃
• 修复 convolve1d 中的轴处理
• 将归一化添加到矩计算中

查看 ChangeLog 了解旧版本。

许可证