在python中为不规则图像添加边框

Question

我想为不规则的三维图像添加边框，该图像存储为二进制numpy数组。我想过可能将图像左/右，前/后，上/下移动，然后组合这6个图像并减去原始图像;使用以下代码：

#make copy of the image shifted one voxel to the left
image_border = np.zeros((img_dim[0], img_dim[1], img_dim[2]))    
for x in xvoxels:
    x_slice_original = image[x, :, :]
    x_slice_new = np.zeros((img_dim[1], img_dim[2]))
    for y in yvoxels:
        for z in zvoxels:
            if x_slice_original[y, z] == 1:
                x_slice_new[(y-1), z] = 1
            else:
                x_slice_new[(y-1), z] = 0
    image_border[x, :, :] = x_slice_new

这似乎有点低效，但是想知道是否有人有更整洁的解决方案？

编辑： 该图像是MRI图像91 * 109 * 91体素。 xvoxels和zvoxels是0:90的列表，yvoxels是0：108的列表。有问题的图像的2D切片如下：

Answer 1

这是一个使用scipy.ndimage.binary_dilation的非常简单的方法，它本质上是您所考虑的操作的库版本。剩下要做的就是将原始体素清空。正如你所看到的那样，整个事物在一条线上舒适地适合。

import numpy as np
from scipy import ndimage

# create mock data
i,j,k = np.ogrid[:10,:10,:10]
ball = ((i-5)**2+(j-5)**2+(k-5)**2 < 16).view(np.int8)

# create border
shell = (ndimage.binary_dilation(ball) & ~ball).view(np.int8)

# that's all folks, show one section of original and border
print(ball[5])
# [[0 0 0 0 0 0 0 0 0 0]
#  [0 0 0 0 0 0 0 0 0 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 1 0]
#  [0 0 1 1 1 1 1 1 1 0]
#  [0 0 1 1 1 1 1 1 1 0]
#  [0 0 1 1 1 1 1 1 1 0]
#  [0 0 0 1 1 1 1 1 0 0]
#  [0 0 0 0 0 0 0 0 0 0]]
print(shell[5])
# [[0 0 0 0 0 0 0 0 0 0]
#  [0 0 0 1 1 1 1 1 0 0]
#  [0 0 1 0 0 0 0 0 1 0]
#  [0 1 0 0 0 0 0 0 0 1]
#  [0 1 0 0 0 0 0 0 0 1]
#  [0 1 0 0 0 0 0 0 0 1]
#  [0 1 0 0 0 0 0 0 0 1]
#  [0 1 0 0 0 0 0 0 0 1]
#  [0 0 1 0 0 0 0 0 1 0]
#  [0 0 0 1 1 1 1 1 0 0]]

Answer 2

您想要做的是一个名为'扩张'的过程。对于二进制图像，您的想法是循环遍历图像中的所有像素。如果像素为“True”，则在其周围创建一组指定像素也为“True”（由“内核”或“结构”定义）。例如

0,0,0,0,0
0,0,0,0,0
0,0,1,1,0
0,0,0,0,0
0,0,0,0,0

带内核

0,1,0
1,1,1
0,1,0

1. 当达到（2,2）时，它变为：

   0,0,0,0,0
   0,0,1,0,0
   0,1,1,1,0
   0,0,1,0,0
   0,0,0,0,0
   

2. 到达（2,3）时变为：

   0,0,0,0,0
   0,0,1,1,0
   0,1,1,1,1
   0,0,1,1,0
   0,0,0,0,0
   

您可以重复此操作，或使用其他内核。例如：

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

im = np.zeros((90,90),dtype='bool')
im[30:61,30:61] = True

fig = plt.figure(figsize=(18,6))
fig.set_tight_layout(True)

fig.add_subplot(1,3,1)
plt.imshow(im,interpolation='nearest')

fig.add_subplot(1,3,2)
plt.imshow(scipy.ndimage.binary_dilation(im,iterations=4),interpolation='nearest')

fig.add_subplot(1,3,3)
plt.imshow(scipy.ndimage.binary_dilation(im,iterations=4,structure=np.ones((3,3))),interpolation='nearest')

plt.show()

结果：



  

当然，获取“外部”边界只是扩张图像和原始图像的差异。