scipy.ndimage.distance_transform_edt 函数用于计算每个点到最近零值的欧几里得距离 。
input(type:array_like):输入的数组,通常是一个布尔数组或整数数组。如果输入数组是布尔类型,True 表示需要计算距离的点(通常是零值),而 False 表示需要计算的点到最近的 True 的距离。
return_indices(type:bool, 可选):默认为 False;是否返回每个点到最近零值的索引。如果设置为 True,除了距离矩阵,还会返回一个索引矩阵。索引矩阵指示每个点到其最近零值的最短路径。
return_distances(type:bool, 可选):默认为 True;是否返回距离矩阵。如果设置为 False,仅返回索引矩阵。
sampling(type: tuple of float, 可选):默认为 None;各维度的采样间距。默认情况下,所有维度的采样间距被视为 1。指定采样间距时,计算的距离将按指定的尺度进行缩放。
indices(type:bool, 可选):默认为 False;是否计算每个点到最近零值的索引。仅在 return_indices=True 时有效。
注意:其中array不局限于二维,多维也行。
# 计算数组中值为 非零 的点到最近 零值点 的距离,并同时返回最近非零值点的索引
distance, nearest_indices = distance_transform_edt(array, return_indices=True)
# 计算数组中值为 0 的点到最近 非零值点 的距离,并同时返回最近非零值点的索引
distance, nearest_indices = distance_transform_edt(array == 0, return_indices=True)
计算过程链接:
图片详解https://blog.csdn.net/weixin_43508499/article/details/106609901