Python：获取非矩形区域的GLCM
我一直在使用skimage的SLIC实现来分割超像素中的图像。我想使用GLCM从这些超像素中提取其他功能，以解决分类问题。这些超像素不是矩形的。在MATLAB中，您可以将像素设置为NaN，算法将忽略它们（link）。我可以使用它在超像素周围制作边框，然后将未使用的像素设置为NaN。
skimage中的greycomatrix函数与MATLAB实现并不完全相同。将像素设置为NaN时，该函数在断言时失败，无法检查所有值是否都大于0。
有没有可以与非矩形ROI一起使用的Python实现？
-
尽管
mahotas它也是一个出色的计算机视觉库，但无需停止使用skimage它。什么 是
必要的，因为@Tonechas已经指出的那样，是那些NaN值设定为一个整数，由于np.nan具有类型float和greycomatrix功能需要的整数数组。最简单的选择是将那些设置
NaN为零，但是，如果像素中已经有零值并且不想混合它们，则可以选择任何其他常数。之后，您要做的就是从GLCM中过滤出所选的值（再一次，通常为零）。要了解这意味着什么，让我们看看是什么
skimage告诉我们该greycomatrix函数的输出：4维数组
值P
[i，j，d，theta]是灰度级j在距灰度级i的距离为d且角度为θ的角度出现的次数。如果normed为False，则输出为uint32类型，否则为float64。尺寸为：水平x水平x距离数x角度数。换句话说，数组的前两个维定义一个矩阵，该矩阵告诉我们两个不同的值相隔一定距离多少次。请注意，GLCM并 没有
保留输入数组的形状。这些行和列告诉我们这些值之间的关系。知道这一点，很容易过滤掉投资回报率之外的值（假设我们将那些NaN设置为零）：
glcm = greycomatrix(img, [1], [0]) # Calculate the GLCM "one pixel to the right" filt_glcm = glcm[1:, 1:, :, :] # Filter out the first row and column现在，您可以轻松计算过滤后的GLCM的Haralick属性。例如：
greycoprops(filt_glcm, prop='contrast')
