python 3D图像连通区域检测

效果图

如下图，3D模型由多张2D图像合并而成，空间中存在背景0-透明(已去掉)，目标1-红色，目标2-绿色，目标3-蓝色（可视化使用VTK实现，并进行去背景操作）

连通区域检测第三方库

cc3d: Connected Components on Multilabel 3D Images
项目地址：https://github.com/seung-lab/connected-components-3d

pip直接安装

pip install connected-components-3d

3D连通区域检测

场景1 - 分割出不同的连通区域

# 模型为一个3维灰度模型, shape输出为: (128, 128, 128)
path = "./model.npy"
model = np.load(path)
# 连通区域检测
# connectivity 连接邻域系数(2D支持4,8 3D支持26, 18, 6)
# 26代表3D空间下点周围的26个点(上9同层8下9)
# 18代表3D空间下上下层各去掉四个角点
# 6代表与点直接相连的6个点(同层4上下各1)
# return_N 代表是否返回数量
# N代表分割出的不连通区域数量
labels_out, N = cc3d.connected_components(model, connectivity=26, return_N=True)

场景2 - 过滤小目标

# 查看分割区域后，各区域的点数量。labels_out为上一步返回的结果，已将不同区域区分, 如归属区域1的所有点的值就会设置为1, 归属区域2的所有点的值就设置为2。
for i in range(len(np.unique(labels_out))):
    print(i, np.sum(labels_out[labels_out == i]))
# threshold代表过滤在三维空间中过滤目标的体积所占像素点数量的阈值
labels_out = cc3d.dust(model, threshold=3000, connectivity=26, in_place=False)

场景3 - 寻找最大的K个目标

delta参数原文档描述：If delta = 0, standard high speed processing. If delta > 0, then neighbor voxel values <= delta are considered the same component. The algorithm can be 2-10x slower though. Zero is considered background and will not join to any other voxel.

# k代表保留最大的k个目标
labels_out, N = cc3d.largest_k(infer_arr, k=2, connectivity=26, delta=0, return_N=True)