函数式参数

Python语言的一个核心概念是函数式编程：我们定义函数并将其应用于我们的数据。

import numpy as np 

values = np.asarray([1, 2, 3, 4, 10])

def double_number(x):
    return x * 2

double_number(values)

array([ 2,  4,  6,  8, 20])

在Python中，你也可以有包含函数的变量，并且可以执行它们：

my_function = double_number

my_function(values)

array([ 2,  4,  6,  8, 20])

自定义函数式参数

你还可以定义自己的接受函数式参数的自定义函数。例如，我们可以定义一个count_blobs函数，它接受一个image和一个threshold_algorithm函数作为参数。

import matplotlib.pyplot as plt
from skimage.measure import label

def count_blobs(image, threshold_algorithm):
    # binarize the image using a given 
    # threshold-algorithm
    threshold = threshold_algorithm(image)
    binary = image > threshold
    
    # show intermediate result
    # plt.imshow(binary)
    
    # return count blobs
    labels = label(binary)
    return labels.max()

现在我们打开一张图像并对其进行两次分析。

from skimage.io import imread, imshow

blobs_image = imread('../../data/blobs.tif')

imshow(blobs_image)

<matplotlib.image.AxesImage at 0x17968acd0>

现在我们用两种不同的算法作为参数来计算这张图像中的斑点数量：

from skimage.filters import threshold_otsu

count_blobs(blobs_image, threshold_otsu)

64

from skimage.filters import threshold_yen

count_blobs(blobs_image, threshold_yen)

67

练习

假设你想找出哪种阈值算法最适合你的图像。因此，你可能想看看图像被多个算法阈值化的效果。定义一个阈值算法列表，例如从这个列表中选择。编写一个for循环，将这些阈值算法应用于斑点图像并显示结果。结果应该类似于这个例子。