Scipy（1）—— scipy.ndimage.label

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