<div dir="ltr"><div><div><div><div><div><div><div><div><div>Hi Hakim,<br><br></div>Have you tried just adding the coordinates of a pixel to its features? For each pixel, the features would then be R,G,B,X,Y. From your description, that seems what you're looking for.<br><br></div>So if you have an RGB image I (so that I.shape = (height,width,3)), you can do:<br><br></div>y,x = np.mgrid[:height,:width]<br></div>I_stacked = np.dstack((I,x,y))<br></div>data = I_stacked.reshape((-1,5))<br><br></div>... and then use "data" as input to your clustering algorithm.<br><br></div>You might want to scale / normalize the coordinates to fit the general range of your color values -- but in general, this should do what I think you're looking for.<br><br></div>Cheers,<br></div>-Jonas<br><div><div><div><br><br><div><div><div><div><br><br></div></div></div></div></div></div></div></div><div class="gmail_extra"><br><div class="gmail_quote">On Sat, Nov 21, 2015 at 2:23 AM, Hakim Benoudjit <span dir="ltr"><<a href="mailto:h.benoudjit@gmail.com" target="_blank">h.benoudjit@gmail.com</a>></span> wrote:<br><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex"><div dir="ltr">Hi Juan,<br><br>Thanks for your answer, this seems to be a nice algorithm for the denoising of speckle.<br>But actually I'm looking for an image clustering (segmentation) technique instead (that would take into consideration the spatial context of pixels).<span class=""><br><br>Le samedi 21 novembre 2015 00:47:21 UTC, Juan Nunez-Iglesias a écrit :</span><blockquote class="gmail_quote" style="margin:0;margin-left:0.8ex;border-left:1px #ccc solid;padding-left:1ex"><span class=""><div dir="ltr">Hey Hakim,<div><br></div><div>The right answer here depends on your ultimate goal. If you're after denoising, non-local means denoising (recently added to skimage) sounds like exactly what you're after.</div><div><br></div><div>Juan.</div></div></span><div><br><div class="gmail_quote"><span class="">On Sat, Nov 21, 2015 at 11:28 AM, Hakim Benoudjit <span dir="ltr"><<a rel="nofollow">h.ben...@gmail.com</a>></span> wrote:<br></span><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex"><span class=""><div dir="ltr">Hi Stéfan,<br><br>Thanks for your reponse.<br>What I'm looking for is a <i>spatial criteria</i> that encourages the <i>clustering algorithm</i> (K-means or others) to group together similar <i>neighbouring pixels</i> inside the same cluster. This will help avoid having persistent noise inside a cluster. <br><span><br>Le vendredi 20 novembre 2015 13:20:15 UTC, Hakim Benoudjit a écrit :<blockquote class="gmail_quote" style="margin:0;margin-left:0.8ex;border-left:1px #ccc solid;padding-left:1ex"><div dir="ltr">Hi,<br><br>Is there a clustering algorithm implemented in <i>scikit-image </i>that perform the image clustering by taking into account the <i>spatial context </i>of the clustered pixel (its neighbourhood), besides its <i>pixel brightness</i>?<br><br>For the time being, I'm clustering images by reshaping them as vectors of pixels intensities distributions, and then performing the <i>K-means </i>or <i>Gaussian mixture models</i> implemented in <i>scikit-learn</i>. But, I'm looking for a image clustering technique implemented (or could be implemented) in <i>scikit-image </i>that would consider the neighbourhood of a pixel when classifying it.<br><br>Thanks.<br></div></blockquote></span></div></span><span><span class="">

<p></p>

-- <br>
You received this message because you are subscribed to the Google Groups "scikit-image" group.<br></span>
To unsubscribe from this group and stop receiving emails from it, send an email to <a rel="nofollow">scikit-image...@googlegroups.com</a>.<br>
To post to this group, send email to <a rel="nofollow">scikit...@googlegroups.com</a>.<br></span><span class="">
To view this discussion on the web, visit <a href="https://groups.google.com/d/msgid/scikit-image/0aad2045-b9da-442c-97bc-06c596b0469e%40googlegroups.com?utm_medium=email&utm_source=footer" rel="nofollow" target="_blank">https://groups.google.com/d/msgid/scikit-image/0aad2045-b9da-442c-97bc-06c596b0469e%40googlegroups.com</a>.<div><div><br>
For more options, visit <a href="https://groups.google.com/d/optout" rel="nofollow" target="_blank">https://groups.google.com/d/optout</a>.<br>
</div></div></span></blockquote></div><br></div>
</blockquote></div><span class="">

<p></p>

-- <br>
You received this message because you are subscribed to the Google Groups "scikit-image" group.<br>
To unsubscribe from this group and stop receiving emails from it, send an email to <a href="mailto:scikit-image+unsubscribe@googlegroups.com" target="_blank">scikit-image+unsubscribe@googlegroups.com</a>.<br>
To post to this group, send email to <a href="mailto:scikit-image@googlegroups.com" target="_blank">scikit-image@googlegroups.com</a>.<br></span>
To view this discussion on the web, visit <a href="https://groups.google.com/d/msgid/scikit-image/a2895510-2490-4ccf-a70a-20d67c74d2cd%40googlegroups.com?utm_medium=email&utm_source=footer" target="_blank">https://groups.google.com/d/msgid/scikit-image/a2895510-2490-4ccf-a70a-20d67c74d2cd%40googlegroups.com</a>.<div class="HOEnZb"><div class="h5"><br>
For more options, visit <a href="https://groups.google.com/d/optout" target="_blank">https://groups.google.com/d/optout</a>.<br>
</div></div></blockquote></div><br></div>