Scikit图像：计算图像对象中细胞的正确方法

Question

假设您有一张numpy.array

形式的图片

vals=numpy.array([[3,24,25,6,2],[8,7,6,3,2],[1,4,23,23,1],[45,4,6,7,8],[17,11,2,86,84]])

如果阈值 17 （例子），你想计算每个对象内有多少个单元格：

from scipy import ndimage
from skimage.measure import regionprops

blobs = numpy.where(vals>17, 1, 0)
labels, no_objects = ndimage.label(blobs)
props = regionprops(blobs)

如果选中，则会在阈值上显示包含4个不同对象的图像：

In[1]: blobs
Out[1]: 
array([[0, 1, 1, 0, 0],
       [0, 0, 0, 0, 0],
       [0, 0, 1, 1, 0],
       [1, 0, 0, 0, 0],
       [0, 0, 0, 1, 1]])

事实上：

In[2]: no_objects
Out[2]: 4

我想计算每个对象的单元格数（或区域数）。预期结果是具有object ID: number of cells格式的字典：

size={0:2,1:2,2:1,3:2}

我的尝试：

size={}
for label in props:
    size[label]=props[label].area

返回错误：

Traceback (most recent call last):

  File "<ipython-input-76-e7744547aa17>", line 3, in <module>
    size[label]=props[label].area

TypeError: list indices must be integers, not _RegionProperties

我理解我错误地使用label，但目的是迭代对象。 怎么做？

Answer 1

一些测试和研究有时会有很长的路要走。

问题在于router.post('/assignSkills', function (req, res, next) { var record = req.body.data; model.users.findOne({ where: { id: record.userId } }).then(function (user) { model.skills.findOne({ where: { id: record.skillId } }).then(function (skill) { user.addSkill(skill); res.send(user); }); }); }); ，因为它没有携带不同的标签，只有blobs个值，而0,1需要用循环遍历{{1}的迭代器替换1}}。

这个解决方案似乎有效：

label

结果：

range(0,no_objects)

如果有人想检查import skimage.measure as measure import numpy from scipy import ndimage from skimage.measure import regionprops vals=numpy.array([[3,24,25,6,2],[8,7,6,3,2],[1,4,23,23,1],[45,4,6,7,8],[17,11,2,86,84]]) blobs = numpy.where(vals>17, 1, 0) labels, no_objects = ndimage.label(blobs) #blobs is not in an amicable type to be processed right now, so: labelled=ndimage.label(blobs) resh_labelled=labelled[0].reshape((vals.shape[0],vals.shape[1])) #labelled is a tuple: only the first element matters #here come the props props=measure.regionprops(resh_labelled) #here come the sought-after areas size={i:props[i].area for i in range (0, no_objects)} ：

In[1]: size
Out[1]: {0: 2, 1: 2, 2: 1, 3: 2}

如果有人想要找到找到的4个物体：

labels

Answer 2

regionprops会产生比每个blob区域更多的信息。因此，如果您只是想要获取blob的像素数，作为替代方案并且关注性能，我们可以使用ndimage.label np.bincount(labels.ravel())[1:] 获得In [53]: labeled_areas = np.bincount(labels.ravel())[1:] In [54]: labeled_areas Out[54]: array([2, 2, 1, 2]) ，就像这样 -

In [55]: dict(zip(range(no_objects), labeled_areas))
Out[55]: {0: 2, 1: 2, 2: 1, 3: 2}

因此，对于给定的样本 -

{{1}}

要将这些结果放在字典中，还需要另外一步 -

{{1}}