问题标签 [ndimage]

链接到 regionprops 文档： https ://scikit-image.org/docs/dev/api/skimage.measure.html#skimage.measure.regionprops

Regionprops信息公关： https ://github.com/scikit-image/scikit-image/pull/1505

我有一个由 {0,1,2} 值组成的图像，我正在尝试从 scipy.ndimage 运行 gaussian_filter 。虽然它很容易使用，但我还没有正确理解这些东西。

我理解的几件事是：

• sigma 是用于在内核中分配权重的标准差
• 2D 图像上的高斯滤波器以 1D 高斯滤波器的形式实现
• 内核的大小取决于 sigma 和截断值 [ scipy 中的高斯滤波器

我想知道高斯滤波器中使用的权重。是否有某种方法可以从 gaussian_filter 调用本身或某些公式中获取使用的内核，我可以通过该公式获得该内核。

我希望这只是为了更好地理解我赋予图像中不同相邻像素的权重。

例如，内核将用于什么

ndimage.gaussian_filter(image,sigma=0.2)

ndimage.gaussian_filter(image,sigma=0.2,truncate=2)

假设我有一个如下二维数组的图像：

我想对其应用高斯模糊，因此图像如下：

基本上，我想要一个结果，其中那些值的高斯非常厚，而原始图像中的 0.5 值则更大。

到目前为止，我进行如下操作：

但是这样做会让模糊图像上的那些和 0.5 相同。如果有人知道如何解决这个“问题”，我想有一些建议！

我很难理解scipy.ndimage.zoom()when的行为order=0。

考虑以下代码：

其输出是：

因此，当order=0值（预期）未插值时。但是，我期望拥有：

即每个值的元素数量完全相同，因为缩放是整数。因此，我期望得到与以下相同的结果np.repeat()：

为什么每个元素重复的次数会有所不同？

请注意，np.repeat()它不能直接与多维数组一起使用，这就是我想从scipy.ndimage.zoom().

我的 NumPy 和 SciPy 版本是：

我发现了这个： `scipy.ndimage.zoom` vs `skimage.transform.rescale` with `order=0`， 这指向了一些意想不到的行为，scipy.ndimage.zoom()但我不太确定观察到的效果是否相同。

我正在尝试编写一种算法来系统地确定图像中有多少不同的“曲线”。示例图像。我对这里的白线特别感兴趣，所以我使用了颜色阈值来掩盖图像的其余部分，只得到白色像素。这些线代表玩家（NFL中的宽接收器）运行的路径，因此我对路径所代表的 x 和 y 坐标感兴趣 - 每个“曲线”代表玩家采取的不同路径（或“路线”）。所有曲线都应在蓝线之上或之后开始。

然而，虽然我只能得到白色像素，但我无法弄清楚如何系统地识别单独的曲线。在此示例图像中，存在 8 条白色曲线（或路线）。我已经识别出这张图片中的那些曲线。我尝试了边缘检测，然后使用 scipy ndimage 来获取连接组件的数量，但是由于曲线重叠，它将它们计为连接的，并且只给了我这个图像的 3 个标记组件，而不是 8 个。这是边缘检测输出的样子。有没有更好的方法来解决这个问题？这是我的示例代码。

是否可以旋转图像并保持真实值？当我旋转黑白图像时，我得到了灰度值。我可以在不平均像素值的情况下旋转吗？我几乎可以通过使用手动完成，np.where()但是当像素值超过 2 个时会变得很困难。

代码：

原始图像

旋转图像

平均值

真值

我有几个值 f、g、h 在同一个常规网格 (x, y, z) 上定义，我想将它们插值到新网格 (x1, y1, z1) 上。即，我有 f(x, y, z) , g(x, y, z) , h(x, y, z) 我想计算 f(x1, y1, z1), g(x1, y1, z1), h(x1, y1, z1)。

我scipy.map_coordinates目前正在使用。但是，每次插值都是单独进行的，点数在4,000,000左右，所以速度很慢

有没有办法加速计算？

在具有静态 sigma 值的图像上运行高斯滤波器很容易：

但是如何使用sigma每个像素不同的值来做到这一点？例如，我可能有另一个相同大小的 NumPy 数组，它指示每个像素使用什么 sigma。

上图是ndi.label()使用 matplotlib 处理并显示的图像，每个彩色区域代表不同的特征。绘制在图像顶​​部的是红点，每个红点代表一对坐标。所有坐标都被存储并且 ndi.label 返回特征的数量。skimage、scipy 或 ndimage 是否具有测试给定坐标集是否位于标记特征内的功能？

最初我打算使用每个特征的绑定框（左、右、上、下），但由于这些区域并非都是四边形的，这将不起作用。

生成图像的代码：

假设我有一个简单的数组：

我可以使用 scipy ndimage 模块对这些数据应用标签：

导致

现在，我想在 xarray DataArray 上执行相同的标记功能。

我知道我可以在 上调用与以前相同的函数xr_data，但是执行此调用的输出是一个 numpy 数组，在我的实际数据集中，它太大而无法放入内存。

看来这个xr.apply_ufunc功能是我需要的。但是，我无法让它工作。

这导致：“ ValueError：应用函数返回的数据具有意外的维度数。收到 0 个维度，但预期 1 个维度的名称为：('x',)”

我发现有关 apply_ufunc 方法的文档难以解释。有人可以帮我解决这个问题吗？