0

在阅读了关于 scipy.ndimage.label 的一个有趣主题（用于识别对象的可变区域阈值 - python）之后，我想在标签中包含一个“误差范围”。

在上面的链接讨论中：如何也包括顶部的蓝点（假设它与橙色、最大的对象错误地断开了连接）？

我找到了结构属性，它应该能够通过更改数组（从 np.ones(3,3,3) 更改为任何其他内容（我希望它是 3D）来包含该点。但是，调整不幸的是，较大数组的“结构”属性似乎不起作用。它要么给出尺寸错误（RuntimeError：结构和输入必须具有相等的等级），要么它不会改变任何东西..

谢谢！

这是代码：

labels, nshapes = ndimage.label(a, structure=np.ones((3,3,3)))

其中 a 是一个 3D 数组。

4

1 回答 1

0

这是一种可能的方法，它使用scipy.ndimage.binary_dilation. 在 2D 示例中更容易看到发生了什么，但我将在最后展示如何推广到 3D。

In [103]: a
Out[103]: 
array([[0, 0, 0, 1, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [1, 1, 0, 0, 1, 0, 0],
       [1, 1, 0, 0, 0, 1, 1],
       [0, 0, 0, 0, 0, 1, 1],
       [1, 1, 1, 0, 0, 0, 0]])

In [104]: from scipy.ndimage import label, binary_dilation

将每个“形状”向下和向右扩展一个像素：

In [105]: b = binary_dilation(a, structure=np.array([[0, 0, 0], [0, 1, 1], [0, 1, 1]])).astype(int)

In [106]: b
Out[106]: 
array([[0, 0, 0, 1, 1, 0, 0],
       [0, 0, 0, 1, 1, 0, 0],
       [1, 1, 1, 0, 1, 1, 0],
       [1, 1, 1, 0, 1, 1, 1],
       [1, 1, 1, 0, 0, 1, 1],
       [1, 1, 1, 1, 0, 1, 1]])

应用于label填充数组：

In [107]: labels, numlabels = label(b)

In [108]: numlabels
Out[108]: 2

In [109]: labels
Out[109]: 
array([[0, 0, 0, 1, 1, 0, 0],
       [0, 0, 0, 1, 1, 0, 0],
       [2, 2, 2, 0, 1, 1, 0],
       [2, 2, 2, 0, 1, 1, 1],
       [2, 2, 2, 0, 0, 1, 1],
       [2, 2, 2, 2, 0, 1, 1]], dtype=int32)

通过乘以a，labels我们得到所需的标签数组a：

In [110]: alab = labels*a

In [111]: alab
Out[111]: 
array([[0, 0, 0, 1, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [2, 2, 0, 0, 1, 0, 0],
       [2, 2, 0, 0, 0, 1, 1],
       [0, 0, 0, 0, 0, 1, 1],
       [2, 2, 2, 0, 0, 0, 0]])

（这假设 中的值为a0 或 1。如果不是，您可以使用alab = labels * (a > 0)。）

对于 3D 输入，您必须将structure参数更改为binary_dilation：

struct = np.zeros((3, 3, 3), dtype=int)
struct[1:, 1:, 1:] = 1
b = binary_dilation(a, structure=struct).astype(int)
于 2017-07-18T13:57:40.413 回答