Question

我正在处理大型3D图像（大约8000x5000x50），其中包含大约1000到10000个标记的分段，即整数的连接区域。我需要找到每个物体的重心，但是我尝试的速度太慢了。使用scipy的center_of_mass() function，我像这样遍历所有标签：

coords = []
for label in range(1, n):
    print("label " + str(label))
    coord = ndimage.center_of_mass(labels, labels, label)
    coords.append(coord)

这很好用，但每个标签很容易花费五秒钟。有什么更快的方法？

Answer 1

我找到了一种方法，可以通过从大型源图像（称为labels）中获取每个标记对象的边界框，分别对每个对象调用center_of_mass()并将结果转换回去来加快处理速度进入源图像的坐标空间：

coords = []
# Get bounding boxes for all objects in the form of slices
objects = ndimage.find_objects(labels)
# Loop over all objects:
for l in range(1, n):
    # Get individual bounding box
    bb_slices = objects[l]
    # Extract object
    obj = labels[bb_slices]
    # Compute centroid
    coord = ndimage.center_of_mass(obj)
    # Translate result from coordinate space of the bounding box back to the source image by simply adding the starting coordinate of each slice
    coord_translated = (np.around(coord[0]).astype(np.uint8) + slices[0].start,       np.around(coord[1]).astype(np.uint8) +
                    slices[1].start, np.around(coord[2]).astype(np.uint8) + slices[2].start)
    coords.append(coord_translated)

> 900个对象仅需约16秒，而原始方法至少需要一个小时。

在大图像中查找质心

1 个答案: