马霍塔斯

Python 计算机视觉库

Mahotas 是一个在 numpy 数组上运行的快速计算机视觉算法库（全部用 C++ 实现以提高速度）。

支持 Python 版本 2.7、3.4+。

值得注意的算法：

• 分水岭
• 凸点计算。
• 命中与错过，变薄。
• Zernike & Haralick、LBP 和 TAS 特征。
• Speeded-Up Robust Features (SURF)，一种局部特征的形式。
• 阈值。
• 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 种用于图像处理和计算机视觉的功能，并且还在不断增长。

发布计划大约是每月发布一个版本，每个版本都会带来新功能和改进的性能。不过，该接口非常稳定，并且使用多年前的 mahotas 版本编写的代码在当前版本中可以正常工作，只是它会更快（某些接口已弃用，几年后将被删除，但在同时，您只会收到警告）。在一些不幸的情况下，旧代码中存在错误，您的结果会变得更好。

如果您在出版物中使用它，请引用mahotas 论文（请参阅下面的引文中的详细信息）。

例子

这是一个使用高于阈值区域作为种子调用分水岭的简单示例（使用 mahotas 附带的示例文件）（我们使用 Otsu 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)

这是一个非常简单的使用示例mahotas.distance（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()

（这是在mahotas/demos/distance.py下。）

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 numpy/matplotlib 进行许多操作。

安装

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

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

从源代码编译

您将需要 python（自然）、numpy 和 C++ 编译器。然后你应该能够使用：

pip install mahotas

您可以通过运行来测试您的安装：

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

如果您遇到问题，该手册有更多关于 mahotas 安装的文档，包括如何为多个平台查找预构建的。

引文

如果您在已发表的出版物上使用 mahotas，请引用：

Luis Pedro Coelho Mahotas：用于可编写脚本的计算机视觉的开源软件，《开放研究软件杂志》，第 1 卷，2013 年。 [ DOI ]

在中文提供格式：

@article{mahotas, author = {Luis Pedro Coelho}, title = {Mahotas: Open source software for scriptable computer vision}, journal = {Journal of Open Research Software}, year = {2013}, doi = { http:// dx.doi.org/10.5334/jors.ac}，月 = {7 月}，成交量 = {1} }

您可以使用该mahotas.citation()功能访问此信息。

发展

开发在 github ( http://github.com/luispedro/mahotas ) 上进行。

您可以DEBUG在编译之前设置环境变量以获得调试版本：

export DEBUG=1
python setup.py test

您可以将其设置为该值2以获得额外的检查：

export DEBUG=2
python setup.py test

请注意不要在生产中使用它，除非您正在寻找错误。调试级别 2 非常慢，因为它添加了许多运行时检查。

mahotas 源附带的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make clean介于两者之间）。make test将运行测试套件。

链接和联系人

文档： https ://mahotas.readthedocs.io/

问题跟踪器：github mahotas 问题

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

主要作者和维护者：Luis Pedro Coelho （关注twitter或 github）。

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

关于用于生物图像信息学的 mahotas 的介绍

对于 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，它会在未来为其他人生成一个公共讨论日志。您可以将它用于 Python 问题中的 mahotas 或一般计算机视觉。

近期变动

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）

• 修复共现矩阵计算（@databaaz 提供的补丁）

版本 1.4.7（2019 年 7 月 10 日）

• 修复 Windows 上的编译

版本 1.4.6（2019 年 7 月 10 日）

• 使 >2³¹ 体素的分水岭工作（问题 #102）
• 从演示中删除牛奶
• cwatershed()通过避免在、 majority_filter()和 颜色转换中不必要的数组复制来提高性能
• 修复插值中的错误

1.4.5 版（2018 年 10 月 20 日）

• 将代码升级到更新的 NumPy API（问题 #95）

版本 1.4.4（2017 年 11 月 5 日）

• 修复 Bernsen 阈值处理中的错误（问题 #84）

版本 1.4.3（2016 年 10 月 3 日）

• 修复分发（添加丢失的README.md文件）

版本 1.4.2（2016 年 10 月 2 日）

• 修复resize\_to准确返回请求的大小
• 修复在负值数组上计算纹理时的硬崩溃（问题 #72）
• distance为 haralick 功能添加了参数（拉取请求 #76，由 Guillaume Lemaitre 撰写）

版本 1.4.1（2015 年 12 月 20 日）

• 添加filter\_labeled功能
• 修复 32 位平台和旧版本 numpy 上的测试

1.4.0 版（2015 年 7 月 8 日）

• 添加mahotas-features.py脚本
• 向 citation() 函数添加短参数
• 将 max_iter 参数添加到 thin() 函数
• 修复了没有背景时的 label.bbox（问题 #61，由 Daniel Haehn 报告）
• bbox 现在允许尺寸大于 2（包括使用 as_sliceandborder参数时）
• 尺寸大于 2 的扩展裁剪框
• 向 haralick 功能添加了 use_x_minus_y_variance 选项
• 添加功能lbp_names

1.3.0 版（2015 年 4 月 28 日）

• 改进 freeimage.write_multipage 中的内存处理
• 修复矩参数交换
• 添加labeled.bbox函数
• 将 return_mean 和 return_mean_ptp 参数添加到 haralick 函数
• 添加高斯滤波器的差分（由王建宇）
• 添加拉普拉斯滤波器（王建宇）
• 修复传递不匹配参数时中值过滤器崩溃的问题
• 修复 ndim > 2 的 gaussian_filter1d

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 矩计算（由 Sergey Demurin 报告）
• 在没有 npy_float128 的平台上修复编译（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
• 泛化 regmax/regmin 以处理浮点图像
• 允许浮点输入cwatershed()
• 正确检查 float16 和 float128 输入
• 将 sobel 变成纯函数（即不对其输入进行归一化）
• 修复sobel过滤

1.2.1 版（2014 年 7 月 21 日）

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

1.2 版（2014 年 7 月 17 日）

• 在 mahotas 命名空间级别导出 locmax|locmin
• 将 ellipse_axes 从偏心代码中分离出来，因为它本身就很有用
• 添加find()功能
• 添加mean_filter()功能
• 修复cwatershed()溢出的可能性
• 使标签函数在接受更多类型时更加灵活
• 修复 nD 图像崩溃close_holes()（对于 n > 2）
• 删除 matplotlibwrap
• 使用标准 setuptools 进行构建（而不是 numpy.distutils）
• 添加overlay()功能

1.1.1 版（2014 年 7 月 4 日）

• 使用 nD 图像修复 close_holes() 崩溃（对于 n > 2）

1.1.0（2014 年 2 月 12 日）

• 更好的错误检查
• 使用 1 阶修复整数图像的插值
• 添加 resize_to & resize_rgb_to
• 添加工作服覆盖范围
• 修复 SLIC 超像素连接
• 添加 remove_regions_where 函数
• 修复卷积中的硬崩溃
• 修复 convolve1d 中的轴处理
• 为矩计算添加归一化

请参阅 旧版本的变更日志。

执照