scipy.ndimage.label 方法理解
1、4邻域,8邻域和4连接,8连接(或4连通,8连通)理解
4邻域:
如上图所示,灰色的四个方块就是p的4邻域,即为p的上、下、左、右四个方块。
8邻域:
如上图所示,灰色的八个方块是p的8邻域,即为p的上、下、左、右、左上、左下、右上、右下八个方块。
4连接(4连通):
4连接并不是指所要找的那个区域包含4个点,而是指在确定连通区域的时候搜索每个点的4邻域方向,一旦在4邻域方向找到一个值为1的点,就把那个点加到当前连通区域里来。
8连接(8连通):
同理四通连接。
2、scipy.ndimage.label:标记连接成分
scipy.ndimage.label(input, structure=None, output=None)
Parameters:
- input :待标记的数组对象。输入中的任何非零值都被视为特征,零值被视为背景。
- structure:定义要素连接的结构化元素。结构必须是中心对称的(请参见注释)。如果未提供结构元素,则将自动生成平方连通性等于1的结构元素。也就是说,对于二维输入数组,默认结构元素为:
4邻域
[[0,1,0],
[1,1,1],
[0,1,0]]
-
返回值:
label:ndarray或int
整数ndarray,其中输入中的每个唯一函数在返回的数组中都有一个唯一的标签。num_features:整型,找到了多少个对象。
3、scipy.ndimage.sum:计算每个区域的尺寸
scipy.ndimage.sum(input, labels=None, index=None)
Parameters:
-
input:array_like,数组。
-
labels:array_like of ints, 可选参数。将标签分配给数组的值。必须具有与输入相同的形状。
-
index:array_like, 可选参数,要测量的对象的单个标签号或标签号序列。
4、例子
from scipy.ndimage import label, generate_binary_structure
a = np.array([[0,0,1,1,0,0],
[0,0,0,1,0,0],
[1,1,0,0,1,0],
[0,0,0,1,0,0]])
labeled_array, num_features = label(a)# 默认四连通
num_features
4
labeled_array
array([[0, 0, 1, 1, 0, 0],
[0, 0, 0, 1, 0, 0],
[2, 2, 0, 0, 3, 0],
[0, 0, 0, 4, 0, 0]])
print(ndimage.sum(a, labels=lbl, index=3))
[参考]
如若不对,欢迎大家指正。(小猴子手动笑脸)
https://docs.scipy.org/doc/scipy/reference/generated/scipy.ndimage.label.html
https://blog.csdn.net/AshleyXM/article/details/106677617