snow_partitioning_n

Similar to snow_partitioning except that it works on an image containing an arbitrary number of phases

Import packages

import numpy as np
import porespy as ps
import scipy.ndimage as spim
import matplotlib.pyplot as plt
import skimage
ps.visualization.set_mpl_style()
np.random.seed(0)

im

Generate a test 3 phase image by overlaying two 2 phase images. This works with 3D images as well.

im1 = ps.generators.blobs(shape=[200, 200], porosity=0.5, blobiness=0.75)
im2 = ps.generators.blobs(shape=[200, 200], porosity=0.5, blobiness=0.5)
im = im1.astype(int) + im2.astype(int)

plt.figure(figsize=[6, 6])
plt.axis(False)
plt.imshow(im);

Apply snow_partitioning_n filter

The Results of the filter includes several images

snow = ps.filters.snow_partitioning_n(im)
print(snow)

――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――
Item                      Description
――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――
im                        Image of size (200, 200)
dt                        Image of size (200, 200)
phase_max_label           [65, 102]
regions                   Image of size (200, 200)
peaks                     Image of size (200, 200)
――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――

fig, ax = plt.subplots(1, 2, figsize=[12, 12])
ax[0].imshow(snow.dt/im/~snow.peaks, origin='lower', interpolation='none')
ax[0].axis(False)
ax[1].imshow(snow.regions/im, origin='lower', interpolation='none')
ax[1].axis(False);