2

所以我想使用 scipy 测量每个标签（在多个数组中）中的最大像素和像素的平均值。例如

（img，other 是一个打开的 tif 的 numpy 数组）

import numpy as np
import scipy.ndimage as ndi

a = img > 200
labels,nb = ndi.labels(a)

merge = np.zeros(img.shape)
merge = other * a

因此，对于每个标签，我想找到像素的最小值、像素的最大值以及 img 和合并的强度平均值（我可以计算的每个标签的面积）。我希望能够用每个标签的这些计数（img 中的连接区域）制作直方图。（一旦我有了 np 数组或列表，我就知道如何制作直方图）

我正在考虑为每个标签制作一个循环，然后仅使用该标签制作一个二进制结构并测量值。是否有任何快速的 scipy/numpy 方法可以在不通过循环的情况下执行此操作？

谢谢！

4

1 回答 1

1

您可以labeled_comprehension一次完成所有操作：

#!/usr/bin/env python2.7
import numpy as np
from scipy import ndimage as nd


hist = []

def analyze(x):
    xmin = x.min()
    xmax = x.max()
    xmean = x.mean()
    xhist = np.histogram(x, range=(xmin, xmax))
    hist.append({'min': xmin,
                 'max': xmax,
                 'mean': xmean,
                 'hist': xhist})
    return 1

a = np.array([[1, 2, 0, 0],
              [5, 3, 0, 4],
              [0, 0, 0, 7],
              [9, 3, 0, 0]])

lbl, nlbl = nd.label(a)

lbls = np.arange(1, nlbl + 1)

nd.labeled_comprehension(a, lbl, lbls, analyze, float, -1)

print a
print
print lbl
print
print hist
于 2014-04-19T16:56:12.127 回答