如何在Python中使用图像处理找到对象的直径？

Question

如果图像中有一些不规则的物体，我想找到它们各自的直径。

Thanks to this answer，我知道如何识别对象。 但是，是否可以测量图像中显示的对象的最大直径？

我查看了scipy-ndimage文档，但没有找到专用函数。

对象识别代码：

import numpy as np
from scipy import ndimage
from matplotlib import pyplot as plt

# generate some lowpass-filtered noise as a test image
gen = np.random.RandomState(0)
img = gen.poisson(2, size=(512, 512))
img = ndimage.gaussian_filter(img.astype(np.double), (30, 30))
img -= img.min()
img /= img.max()

# use a boolean condition to find where pixel values are > 0.75
blobs = img > 0.75

# label connected regions that satisfy this condition
labels, nlabels = ndimage.label(blobs)

# find their centres of mass. in this case I'm weighting by the pixel values in
# `img`, but you could also pass the boolean values in `blobs` to compute the
# unweighted centroids.
r, c = np.vstack(ndimage.center_of_mass(img, labels, np.arange(nlabels) + 1)).T

# find their distances from the top-left corner
d = np.sqrt(r*r + c*c)

# plot
fig, ax = plt.subplots(1, 2, sharex=True, sharey=True, figsize=(10, 5))
ax[0].imshow(img)
ax[1].hold(True)
ax[1].imshow(np.ma.masked_array(labels, ~blobs), cmap=plt.cm.rainbow)
for ri, ci, di in zip(r, c, d):
    ax[1].annotate('', xy=(0, 0), xytext=(ci, ri),
                   arrowprops={'arrowstyle':'<-', 'shrinkA':0})
    ax[1].annotate('d=%.1f' % di, xy=(ci, ri),  xytext=(0, -5),
                   textcoords='offset points', ha='center', va='top',
                   fontsize='x-large')
for aa in ax.flat:
    aa.set_axis_off()
fig.tight_layout()
plt.show()

图像：

Answer 1

您可以使用skimage.measure.regionprops来确定图片中所有区域的边界框。对于大致圆形的斑点，最小封闭圆的直径可以通过边界框的最大边来近似。为此，您只需在脚本末尾添加以下代码段：

from skimage.measure import regionprops

properties = regionprops(labels)
print 'Label \tLargest side'
for p in properties:
    min_row, min_col, max_row, max_col = p.bbox
    print '%5d %14.3f' % (p.label, max(max_row - min_row, max_col - min_col))

fig = plt.figure()
ax = fig.add_subplot(111)    
ax.imshow(np.ma.masked_array(labels, ~blobs), cmap=plt.cm.gist_rainbow) 
ax.set_title('Labeled objects')
plt.xticks([])
plt.yticks([])
for ri, ci, li in zip(r, c, range(1, nlabels+1)):
    ax.annotate(li, xy=(ci, ri), fontsize=24)
plt.show()

这是你得到的输出：

Label   Largest side
    1        106.000
    2         75.000
    3         79.000
    4         56.000
    5        161.000
    6         35.000
    7         47.000  

Answer 2

我建议使用距离变换。所以，一旦你获得了带标签的图像，你就可以了：

dt = ndimage.distance_transform_edt(blobs)
slices = ndimage.find_objects(input=labels)
radii = [np.amax(dt[s]) for s in slices]

这给出了最大的内切圆（或3D中的球体）。 find_objects函数非常方便。它返回一个Python slice 对象列表，您可以使用它来索引包含blob的特定位置的图像。这些切片当然可以用于索引距离变换图像。因此，切片内距离变换的最大值是您正在寻找的半径。

上面的代码中有一个潜在的gothcha：切片是一个正方形（或立方体）部分，如果它们靠得很近，可能包含一些其他blob。您可以通过以下更复杂的逻辑来解决这个问题：

radii = [np.amax(dt[slices[i]]*(labels[slices[i]] == (i+1))) for i in range(nlabels)]

列表推导的上述版本掩盖了应该由切片索引的blob的距离变换，从而消除了来自相邻blob的任何不需要的干扰。