トップページ人工知能,実世界DB画像のセグメンテーションscikit-image のスーパーピクセルを行ってみる

scikit-image のスーパーピクセルを行ってみる

scikit に実装されているスーパーピクセルを試してみる

スーパーピクセルに関する参考記事: http://scikit-image.org/docs/dev/auto_examples/segmentation/plot_segmentations.html

先人に感謝.

元画像

[image]

SLIC

[image]

felzenszwalb

[image]

quickshift

[image]

watershed

[image]

上に実行結果例を示しているが,パラメータの調整により結果が変わりますので,上の図だけで,どれが良いと結論を出さないようにしてください.

キーワード:superpixel, SLIC, felzenszwalb, quickshift, watershed, scikit-image, Python

前準備

Python 64 ビット版のインストール,pip と setuptools の更新

Windows での Python 3.10 のインストール,pip と setuptools の更新: 別ページで説明している.

Python の公式ページ: http://www.python.org/

Python 開発環境のインストール

動作に必要となる Python パッケージのインストール

  1. Windows では,コマンドプロン プトを管理者として実行する.

    [image]
  2. 次のコマンドを実行.
    python -m pip install -U scikit-image matplotlib
    

scikit-image のスーパーピクセルを行ってみる

SLIC

SLIC を行う Python プログラムを実行してみる.

  1. Python プログラムの実行

    Python プログラムの実行

    Python 開発環境(Jupyter Qt Console, Jupyter ノートブック (Jupyter Notebook), Jupyter Lab, Nteract, Spyder, PyCharm, PyScripterなど)も便利である.

    Python 開発環境の説明: 別ページにまとめている.

  2. 次の Python プログラムを実行
    %matplotlib inline
    import matplotlib.pyplot as plt
    import warnings
    warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings
    import skimage.data
    import skimage.color
    import skimage.filters
    import skimage.util
    import skimage.segmentation
    img = skimage.util.img_as_float( plt.imread("d:\lena_std.jpg") )
    plt.imshow(img)
    
    a = skimage.segmentation.slic(img)
    plt.imshow( a )
    
    plt.imshow( skimage.segmentation.mark_boundaries(img, a) )
    

    [image]

felzenszwalb

felzenszwalb を行う Python プログラムを実行してみる.

%matplotlib inline
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings
import skimage.data
import skimage.color
import skimage.filters
import skimage.util
import skimage.segmentation
img = skimage.util.img_as_float( plt.imread("d:\lena_std.jpg") )
plt.imshow(img)

a = skimage.segmentation.felzenszwalb(img)
plt.imshow( a )

plt.imshow( skimage.segmentation.mark_boundaries(img, a) )

[image]

quickshift

quickshift を行う Python プログラムを実行してみる.

%matplotlib inline
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings
import skimage.data
import skimage.color
import skimage.filters
import skimage.util
import skimage.segmentation
img = skimage.util.img_as_float( plt.imread("d:\lena_std.jpg") )
plt.imshow(img)

a = skimage.segmentation.quickshift(img)
plt.imshow( a )

plt.imshow( skimage.segmentation.mark_boundaries(img, a) )

[image]

watershed

watershed を行う Python プログラムを実行してみる.

%matplotlib inline
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings
import skimage.data
import skimage.color
import skimage.filters
import skimage.util
import skimage.segmentation
img = skimage.util.img_as_float( plt.imread("d:\lena_std.jpg") )
plt.imshow(img)

a = skimage.segmentation.watershed( skimage.filters.sobel( skimage.color.rgb2gray( img ) ), markers=250 ) 
plt.imshow( a )

plt.imshow( skimage.segmentation.mark_boundaries(img, a) )

[image]