问题标签 [ndimage]

我需要标记一个已经分类的 img。问题是，图像是非二进制的，我需要分别计算不同值的相邻补丁。

考虑以下数据集：

我想获得（使用 8 个 neigbours 结构元素）以下内容：

但是使用 scipy.label 函数我得到了完全不同的结果：

那么有没有一个技巧来分离不同价值的补丁？

我尝试使用 ndimage.label 标记一个巨大的图像（69940、70935）。因此，标签尝试分配一个对我的计算机来说太大的 int64 ndarray (37 GiB)。

无法为形状为 (69940, 70936) 且数据类型为 uint64 的数组分配 37.0 GiB

有没有办法使用拆分块执行此分析？

我正在尝试使用 Python cupyx.scipy.ndimage map_coordinates 函数将像素值从一个图像映射到 gpu 上的另一个图像。输出cupy-array全为零。当我使用 scipy.ndimage 运行它的 map_coordinates 时，我得到了插值数组。为什么会发生以及如何解决？

与问题相关的一段代码：

谢谢！

我正在旋转图像。但是，当我使用 scipy.ndimage.rotate() 函数时，我可以旋转整个图像（reshape=True），但数组的形状会改变。例如，作为 scipy.ndimage.rotate() 的示例，我要查找的结果是第三张图片，但与原点 (512, 512) 的数组形状相同，而不是 (724, 724)。

这种类型的旋转还有其他解决方案吗？（我正在使用 python）请帮我解决这个问题。

我提到的示例的链接：https ://docs.scipy.org/doc/scipy/reference/generated/scipy.ndimage.rotate.html

亲切的问候

我有一个二维数组，我在其中使用如下ndimage.label()函数标记集群：

我可以获得元素计数、质心或标记簇的边界框。但我也想获得集群中每个元素的坐标。像这样的东西（数据结构不必是这样的，任何数据结构都可以）：

我可以遍历标签列表并调用np.where()它们中的每一个，但我想知道是否有一种方法可以在没有循环的情况下执行此操作，这样它会更快？

我正在模拟点在倾斜平面上的投影。我想保持与缺少 scipy.interpolate 等效项的 cupy 的兼容性。

一般来说，给定一个点p = [x,y,z]^T和一个nxn旋转矩阵m，输出坐标中的点p'是p' = m p。换句话说，m是从输入到输出空间的前向映射。

在 numpy 中，您可以将其实现为pp = m.dot(p)or pp = m @ p。同时对于许多点，使用 tensordot 或 einsum 进行投影要快得多：

m和的样本points是

应用转换后，输入和输出 x,y 点如下所示：

使用 map_coordinates 会导致在输入网格上查找输出域中的点，从而有效地执行逆映射。有没有办法使用 map_coordinates 执行前向映射？不正确的实现看起来像

不基于 ndimage 的正确实现将使用 interp2 或来自 scipy.interpolate 的 griddata

我首先对图像进行二值化，然后在 python 中对其进行过滤。

现在如何将每个像素> 0 添加到 numpy 数组中？

有没有办法在 OpenCV 中执行类似于腐蚀的过程，如果它的任何邻居都不为零，而不是要求它的所有邻居都非零，它会保留给定的像素？

在这里，邻居是指任何具有 的像素abs(x1-x2)+abs(y1-y2)==1，但这很容易通过腐蚀内核控制。

当然，我总是可以使用 for 循环并从头开始实现这种行为，但我更喜欢 OpenCV 可以通过其库提供的速度。

它可以反转图像，执行腐蚀，然后将其反转回来吗？

我的另一个想法是与具有空中心的内核进行卷积，然后将所有值裁剪到 0 到 1 的范围内。我会使用scipy.ndimage.convolve它。

我正在使用np.float32具有形状 (512,512) 的类型（即值 0.0 或 1.0）的二进制 NumPy 数组。

我正在为体素渲染编写一个贪婪的网格算法，其中很大一部分是找到体积的边缘。我通过旋转体积阵列来做到这一点。然后使用 Scipy 的 Ndimage 将其与 3d 边缘检测内核进行卷积。我基本上是在z方向使用清醒的方法。这应该给我垂直于当前扫描轴的二维横截面。但是，当体积数组未完全填充时，我遇到了问题：由于某种原因，当只有一个边缘时，输出给出了两个边缘。这两个都是正面的方向。

请注意，我使用正 1 或负 1 来跟踪边缘所面对的方向。所有面都是来自任何轴的 90 * 孔整数。

我的问题如下。如何使用卷积检测垂直于 z 轴的 3d 体积阵列中的边缘？我应该使用什么样的内核？有没有其他更好的方法？

这是出局

从 0 和 1 的 2d 数组开始，我需要确定哪些 1 形成一个联合围栏，完全包围一个或多个相邻的 0。如果它们在侧面或对角线上接触，则这些 0 被认为是相邻的。栅栏也必须存在于相邻的对角线上。

这是二维数组，我想要的是表示围栏的 1，然后其他所有内容都应该为零。这是一个简单的案例，实际上数组是一个 png 图像，我想要其中可能存在的所有栅栏。

ndimage 是需要的模块吗？请有任何建议。