FootPrint参数在skimage.filters.rank.entropy中是什么？(Scikit-Image，Python)

Question

我正在尝试从包文档中复制下面的示例。但是，在用“disk(2)”或“disk(10)”调整“足迹”参数(在skimage.filters.rank's熵函数中)之后，每次我都会得到一个模糊的图像。文档声明‘邻域’表示为1‘s和0’s的ndarray，但是“足迹”参数以像素和熵公式表示什么呢？

import matplotlib.pyplot as plt
import numpy as np

from skimage import data
from skimage.util import img_as_ubyte
from skimage.filters.rank import entropy
from skimage.morphology import disk

rng = np.random.default_rng()

noise_mask = np.full((128, 128), 28, dtype=np.uint8)
noise_mask[32:-32, 32:-32] = 30

noise = (noise_mask * rng.random(noise_mask.shape) - 0.5
         * noise_mask).astype(np.uint8)
img = noise + 128

#entr_img = entropy(img, disk(2)) # try another 'Footprint'
#entr_img = entropy(img, disk(5)) # try another 'Footprint'
entr_img = entropy(img, disk(10))

fig, (ax0, ax1, ax2) = plt.subplots(nrows=1, ncols=3, figsize=(10, 4))

img0 = ax0.imshow(noise_mask, cmap='gray')
ax0.set_title("Object")
ax1.imshow(img, cmap='gray')
ax1.set_title("Noisy image")
ax2.imshow(entr_img, cmap='viridis')
ax2.set_title("Local entropy")

fig.tight_layout()

示例链接：entropy.html

Skimage.filters.rank.entropy的文档：https://scikit-image.org/docs/dev/api/skimage.filters.rank.html#skimage.filters.rank.entropy

Answer 1

我现在正面临着你同样的问题。我试图查看skimage中的原始函数，但是它指向cython中的代码，而且我不擅长编码，所以只能猜测。

我的假设是:足迹是计算局部熵时相邻像素的范围。正如skimage中的这个页面所介绍的，disk(X)生成一个半径等于X+1 (包括质心)的类似磁盘的范围。

elements.html#sphx-glr-auto-examples-numpy-operations-plot-structuring-elements-py

为了检验这一假设，我们知道图像的熵被计算为：

熵公式

如果只有一个像素(例如磁盘( 0 ))，则pF(i)=1，log2(pF(i))=0，熵总是等于0。

所以我尝试了熵(图像，footprint=disk( 0 ))，正如我所预期的，结果图像中的任何地方都等于0。

footprint=disk(0)的情况

希望这能帮到你。(虽然我不能百分之百肯定这个答案。)

添加:我后来测试了占用=磁盘(1)的情况。正如我所假设的，磁盘(1)包含5个像素，最大熵是：

5* (-0.2 * log2(0.2)) = 2.32192809 (当5个像素都有不同的灰度)

正如我所预期的，得到的熵图像的最大值为2.32192809。