在阅读了有关scipy.ndimage.label(Variable area threshold for identifying objects - python)的有趣主题后,我想在标签中加入'错误边距'。
在上面的链接讨论中: 如何也可以包括顶部的蓝点(假设它与橙色,最大的物体错误地断开连接)?
我找到了结构属性,它应该能够通过更改数组(从np.ones(3,3,3)到更多的数据来包含该点(我希望它是3D)。但是不幸的是,将'structure'属性调整为更大的数组似乎不起作用。它或者给出了维度的错误(RuntimeError:结构和输入必须具有相同的等级) )或者它没有改变任何东西..
谢谢!
这是代码:
labels, nshapes = ndimage.label(a, structure=np.ones((3,3,3)))
其中a是3D数组。
答案 0 :(得分:0)
这是一种使用scipy.ndimage.binary_dilation
的可行方法。在2D示例中更容易看到发生了什么,但我将展示如何在最后推广到3D。
In [103]: a
Out[103]:
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]])
In [104]: from scipy.ndimage import label, binary_dilation
扩展每个"形状"向下和向右一个像素:
In [105]: b = binary_dilation(a, structure=np.array([[0, 0, 0], [0, 1, 1], [0, 1, 1]])).astype(int)
In [106]: b
Out[106]:
array([[0, 0, 0, 1, 1, 0, 0],
[0, 0, 0, 1, 1, 0, 0],
[1, 1, 1, 0, 1, 1, 0],
[1, 1, 1, 0, 1, 1, 1],
[1, 1, 1, 0, 0, 1, 1],
[1, 1, 1, 1, 0, 1, 1]])
将label
应用于填充数组:
In [107]: labels, numlabels = label(b)
In [108]: numlabels
Out[108]: 2
In [109]: labels
Out[109]:
array([[0, 0, 0, 1, 1, 0, 0],
[0, 0, 0, 1, 1, 0, 0],
[2, 2, 2, 0, 1, 1, 0],
[2, 2, 2, 0, 1, 1, 1],
[2, 2, 2, 0, 0, 1, 1],
[2, 2, 2, 2, 0, 1, 1]], dtype=int32)
通过将a
乘以labels
,我们可以获得所需的a
标签数组:
In [110]: alab = labels*a
In [111]: alab
Out[111]:
array([[0, 0, 0, 1, 0, 0, 0],
[0, 0, 0, 0, 0, 0, 0],
[2, 2, 0, 0, 1, 0, 0],
[2, 2, 0, 0, 0, 1, 1],
[0, 0, 0, 0, 0, 1, 1],
[2, 2, 2, 0, 0, 0, 0]])
(这假设a
中的值为0或1.如果不是,则可以使用alab = labels * (a > 0)
。)
对于3D输入,您必须将structure
参数更改为binary_dilation
:
struct = np.zeros((3, 3, 3), dtype=int)
struct[1:, 1:, 1:] = 1
b = binary_dilation(a, structure=struct).astype(int)