python label参数_python scipy ndimage.label用法及代码示例

在数组中标注要素。

参数：

input：array_like一个要标记的array-like对象。输入中的任何非零值都计为要素，零值被视为背景。

structure：array_like, 可选参数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：

[[0,1,0],

[1,1,1],

[0,1,0]]

output：(None, data-type, array_like), 可选参数如果输出是数据类型，则它指定结果标记的要素数组的类型。如果输出是array-like对象，则将使用此函数中标记的函数更新输出。通过传递output = input，此函数可以就地运行。请注意，输出必须能够存储最大的标签，否则此函数将引发Exception。

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。

如果输出为None，则此函数返回元组(labeled_array，num_features)。

如果输出是ndarray，则它将使用labeled_array中的值更新，并且此函数将仅返回num_features。

注意：

中心对称矩阵是关于中心对称的矩阵。参考[1]想要查询更多的信息。

结构矩阵必须是中心对称的，以确保two-way连接。例如，如果结构矩阵不是中心对称的，则定义为：

[[0,1,0],

[1,1,0],

[0,0,0]]

输入为：

[[1,2],

[0,3]]

那么结构矩阵将指示输入中的条目2连接到1，但是1未连接到2。

参考文献：

James R. Weaver，“中心对称(cross-symmetric)矩阵，它们的基本属性，特征值和特征向量。”美国数学月刊92.10(1985)：711-717。

例子：

创建具有某些函数的图像，然后使用默认(cross-shaped)结构元素将其标记为：

>>> 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)

这4个函数中的每一个都用不同的整数标记：

>>> 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]])

生成一个结构化元素，即使它们沿对角线接触，它们也将考虑已连接的特征：

>>> s = generate_binary_structure(2,2)

或者，

>>> s = [[1,1,1],

... [1,1,1],

... [1,1,1]]

使用新的结构元素标记图像：

>>> labeled_array, num_features = label(a, structure=s)

显示2个标记的函数(请注意，上面的函数1、3和4现在被视为单个函数)：

>>> num_features

2

>>> labeled_array

array([[0, 0, 1, 1, 0, 0],

[0, 0, 0, 1, 0, 0],

[2, 2, 0, 0, 1, 0],

[0, 0, 0, 1, 0, 0]])