Question

我的目标是使用Python计算二进制数组中的对象。我正在应用scikit-image measure.label来计算数组中的对象（应该是1），尽管阅读了文档 - link，我得到了无法解释的结果。

a=np.array(np.matrix('0 1 0 0 1;0 1 0 0 0; 0 0 0 0 0;0 0 0 0 1'))
print(a)
img=measure.label(a)
propsa = measure.regionprops(img)
length = len(propsa)
print ('length='+str(length))
for label in propsa:
    print (label.centroid)

>>> 
[[0 1 0 0 1]
 [0 1 0 0 0]
 [0 0 0 0 0]
 [0 0 0 0 1]]
length=3
(0.5, 1.0)
(0.0, 4.0)
(3.0, 4.0)

当背景选择为零时，

a=np.array(np.matrix('0 1 0 0 1;0 1 0 0 0; 0 0 0 0 0;0 0 0 0 1'))
print(a)
img=measure.label(a, background=0)
propsa = measure.regionprops(img)
length = len(propsa)
print ('length='+str(length))
for label in propsa:
    print (label.centroid)

>>>
[[0 1 0 0 1]
 [0 1 0 0 0]
 [0 0 0 0 0]
 [0 0 0 0 1]]
length=2
(0.0, 4.0)
(3.0, 4.0)

为什么不一致？根据我的理解，标签功能将“0”标记为-1背景？！

以下问题似乎CSV文件example的measure.label计算了两个大对象及其腔。当我查询img腔的坐标时，我得到的值为2.这意味着腔是第二个物体。为什么零的集合被视为一个对象，并且它周围存在？

length=2
(214.23444957510378, 505.25546156532539)
(238.77173913043478, 740.28260869565213)
>>> img[238,740]
2
>>>

Answer 1

出于调试目的，打印完整标记图像很有用。使用background=0：

>>> print(img)
[[-1  0 -1 -1  1]
 [-1  0 -1 -1 -1]
 [-1 -1 -1 -1 -1]
 [-1 -1 -1 -1  2]]

背景正确标记为-1。但是当您在其上调用regionprops时，它只返回标记RegionProperties和1的{{1}}个对象，因为as stated in the docs for regionprops()，

label_image：（N，M）ndarray

标记的输入图像。 值为0的标签将被忽略。

因此，忽略标记为2的第一个区域。

如果未指定0，则background - 填充区域的标签为0，因此被0忽略，并显示其余三个regionprops()的输出1}} - 填充区域：

Answer 2

好的，这是一个让我印象深刻的简单解决方案。我可以简单地定义background=0和img=img+1。问题是，当标签应用于具有background = 0的矩阵时，0值将更改为-1，如果我有一组则将它们减少为0.因此，通过添加1，我将img对象调整为background = 0，任何非0的数字组都将被计算在内。

这是我的意思的一个例子：

    import matplotlib
    matplotlib.use('Gtk3Agg')
    import numpy as np
    from skimage import filters, morphology, measure
    np.set_printoptions(threshold=np.nan)

a=np.array(np.matrix('0 1 0 0 1;0 1 0 0 0; 0 0 0 0 0;0 0 0 1 1'))

print(a)

img=measure.label(a, background=0)
print('img=')
print (img)
#adjusting +1
img=img+1
print('img+1=')
print (img)
propsa = measure.regionprops(img)
length = len(propsa)
print ('length='+str(length))
for label in propsa:
    print (label.centroid)

代码返回以下内容。

>>> 
(4, 5)
[[0 1 0 0 1]
 [0 1 0 0 0]
 [0 0 0 0 0]
 [0 0 0 1 1]]
img=
[[-1  0 -1 -1  1]
 [-1  0 -1 -1 -1]
 [-1 -1 -1 -1 -1]
 [-1 -1 -1  2  2]]
img+1=
[[0 1 0 0 2]
 [0 1 0 0 0]
 [0 0 0 0 0]
 [0 0 0 3 3]]
length=3
(0.5, 1.0)
(0.0, 4.0)
(3.0, 3.5)

使用scikit-image标签计算对象

2 个答案: