用于标识对象的可变区域阈值 - python

Question

我有一个数组，其中包含一系列形状的大小和位置信息：数组为零，没有形状，数组不为零，有一个形状。不同的形状由零分隔 - 因此，如果要绘制数组中的每个点，您将看到各种形状的地图。我希望这是有道理的，如果不是这里是一个包含4种不同形状的示例数组：

np.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],
          [3, 5, 2, 0, 0, 0, 0]])

我需要计算和识别这些形状，但我只想包含面积超过某个阈值的那些。 我希望区域阈值是该区域中最大形状区域的1/15。 （在上面的例子中，最大的区域是5。

问题是：我怎样才能找到（使用python）字段中最大形状的区域而不单独识别每个形状？

修改

为了澄清“形状”的含义，下面的代码绘制了数组的图像，显​​示了4个不同的对象：

import numpy as np
import matplotlib.pyplot as plt

a = np.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]])
ind = np.nonzero(arr)
x = ind[0]
y = ind[1]
plt.imshow(arr)
plt.show()

Answer 1

您可以使用scipy.ndimage.label查找数组中已连接的非零区域，然后使用scipy.ndimage.sum查找每个区域的区域：

from scipy import ndimage

labels, nshapes = ndimage.label(a)
areas = ndimage.sum(a, labels=labels, index=range(1, nshapes))

idx = np.argmax(areas)
biggest_shape = labels == (idx + 1)

在你的例子中，恰好有两个“形状”具有相同的区域：

from matplotlib import pyplot as plt

fig, (ax1, ax2, ax3) = plt.subplots(1, 3)

ax1.imshow(a, cmap=plt.cm.jet)
ax2.imshow(labels, cmap=plt.cm.jet)
ax3.imshow(biggest_shape, cmap=plt.cm.jet)

更新

传递给structure的{​​{1}}参数确定哪些相邻元素被视为“已连接”（请参阅​​上面链接的文档）。如果您希望对角相邻的元素被视为已连接，则可以传递3x3数组：

scipy.ndimage.label