Question

我正在使用来自skimage的skeletonize，它提供了一个8-neigborhood连接的结果：

import numpy as np
from skimage.morphology import skeletonize

image = np.array(
      [[0, 0, 1, 1, 1, 1, 1, 0, 0],
       [0, 0, 1, 1, 1, 1, 1, 0, 0],
       [0, 0, 1, 1, 1, 1, 1, 1, 1],
       [0, 0, 0, 1, 1, 1, 1, 1, 1]])

print image
print
skel = skeletonize(image)
print skel.astype(np.uint8)

# result
#[[0 0 0 0 0 0 0 0 0]
# [0 0 0 1 1 1 0 0 0]
# [0 0 0 0 0 0 1 1 1]
# [0 0 0 0 0 0 0 0 0]]

我想要获得的是4连接结果，例如：

#[[0 0 0 0 0 0 0 0 0]
 #[0 0 0 1 1 1 1 0 0]
 #[0 0 0 0 0 0 1 1 1]
 #[0 0 0 0 0 0 0 0 0]]

或

#[[0 0 0 0 0 0 0 0 0]
 #[0 0 0 1 1 1 0 0 0]
 #[0 0 0 0 0 1 1 1 1]
 #[0 0 0 0 0 0 0 0 0]]

但不是

#[[0 0 0 0 0 0 0 0 0]
 #[0 0 0 1 1 1 0 0 0]
 #[0 0 0 0 1 1 1 1 1]
 #[0 0 0 0 0 0 0 0 0]]

我该怎么做？在骨架化中没有neigborhood选项。

我之所以要问的是，我想用skimage.measure.find_contours进一步处理连接线，如果它们不是4连接则会将线分成两行。

Answer 1

skeletonize和medial_axis都不支持连接参数。但也许你可以通过后处理过程逃脱：

from scipy import ndimage as ndi
diagonals = ndi.correlate(skel.astype(int), [[0, 1, 0], [0, 0, 1], [0, 0, 0]])
skel2 = skel.copy()
skel2[diagonals == 2] = 1

这会产生

[[0 0 0 0 0 0 0 0 0]
 [0 0 0 1 1 1 0 0 0]
 [0 0 0 0 0 1 1 1 1]
 [0 0 0 0 0 0 0 0 0]]

通过修改掩码，您可以获得您描述的其他示例输出。

用4邻域进行结构化

1 个答案: