在你的特殊情况下,我建议使用nImage.minimum_过滤器
假设您的数组名为“a”。以下内容:centers = ndimage.minimum_filter(a, 3, mode="constant")
只包含数组中包含这样的“真”框的值
然后你可以使用scipy.ndimage.测量。使用默认结构进行标记,以对框进行分类,并可能标识连接的框。你可以用nImage.measurements.find_对象在
编辑:
通过上面的方法,您将正确地获得数组中所有立方体的中心。说清楚,我想这就是你最初问题的答案。在评论中,事实证明,实际上只需要不重叠的立方体。因此,我们需要分析最小滤波器的输出,在这里我可以想象出许多方法。在
可以使用以下方法为每个群集仅获取一个多维数据集:
^{pr2}$
现在出现的问题是,没有重叠但共享一个面的立方体丢失。事实上,非共享立方体的结构相当复杂。当然,对于这个问题有几种解决方案(一组不重叠的立方体)。所以从找到的中心中选择一组立方体是一个全新的任务,我认为你必须找到一个最适合你的。在
一种方法是迭代所有解决方案,并将找到的每个多维数据集设置为False:get_starting_point = numpy.vectorize(lambda sl: sl.start) #to be applied on slices
s = ndimage.generate_binary_structure(3,3)
result = []
while True:
labels, num = ndimage.measurements.label(centers, s)
if not num:
break
locations = ndimage.measurements.find_objects(labels)
sp = get_starting_point(locations)
result.append(sp)
for p in sp:
centers[p[0]-1:p[0]+2, p[1]-1:p[1]+2, p[2]-1:p[2]+2] = False
numiter = len(results)
results = numpy.vstack(results)
我想只需要很少的迭代。在
我希望这就是你想要的