scipy.ndimage.label：包含误差范围

Question

阅读了关于 scipy.ndimage.label (Variable area threshold for identifying objects - python) 的有趣主题后，我想在标签中包含一个 'error margin'。

在上面的链接讨论中：如何也包括顶部的蓝点（假设它错误地与橙色的最大对象断开连接）？

我找到了 structure 属性，它应该能够通过改变数组（从 np.ones(3,3,3) 到更多的东西（我希望它是3D)。然而，将 'structure' 属性调整为更大的数组似乎不起作用，不幸的是。它要么给出维度错误 (RuntimeError: structure and input must have equal rank ) 或者它不会改变任何东西..

谢谢！

这是代码：

labels, nshapes = ndimage.label(a, structure=np.ones((3,3,3)))

其中a是一个三维数组。

Answer 1

这是一种使用 scipy.ndimage.binary_dilation 的可能方法。在 2D 示例中更容易看出发生了什么，但我将在最后展示如何推广到 3D。

In [103]: a
Out[103]: 
array([[0, 0, 0, 1, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [1, 1, 0, 0, 1, 0, 0],
       [1, 1, 0, 0, 0, 1, 1],
       [0, 0, 0, 0, 0, 1, 1],
       [1, 1, 1, 0, 0, 0, 0]])

In [104]: from scipy.ndimage import label, binary_dilation

将每个 "shape" 向下和向右扩展一个像素：

In [105]: b = binary_dilation(a, structure=np.array([[0, 0, 0], [0, 1, 1], [0, 1, 1]])).astype(int)

In [106]: b
Out[106]: 
array([[0, 0, 0, 1, 1, 0, 0],
       [0, 0, 0, 1, 1, 0, 0],
       [1, 1, 1, 0, 1, 1, 0],
       [1, 1, 1, 0, 1, 1, 1],
       [1, 1, 1, 0, 0, 1, 1],
       [1, 1, 1, 1, 0, 1, 1]])

将label应用于填充数组：

In [107]: labels, numlabels = label(b)

In [108]: numlabels
Out[108]: 2

In [109]: labels
Out[109]: 
array([[0, 0, 0, 1, 1, 0, 0],
       [0, 0, 0, 1, 1, 0, 0],
       [2, 2, 2, 0, 1, 1, 0],
       [2, 2, 2, 0, 1, 1, 1],
       [2, 2, 2, 0, 0, 1, 1],
       [2, 2, 2, 2, 0, 1, 1]], dtype=int32)

通过 a 乘以 labels，我们得到所需的 a 标签数组：

In [110]: alab = labels*a

In [111]: alab
Out[111]: 
array([[0, 0, 0, 1, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [2, 2, 0, 0, 1, 0, 0],
       [2, 2, 0, 0, 0, 1, 1],
       [0, 0, 0, 0, 0, 1, 1],
       [2, 2, 2, 0, 0, 0, 0]])

（这里假定 a 中的值为 0 或 1。如果不是，则可以使用 alab = labels * (a > 0)。）

对于 3D 输入，您必须将 structure 参数更改为 binary_dilation:

struct = np.zeros((3, 3, 3), dtype=int)
struct[1:, 1:, 1:] = 1
b = binary_dilation(a, structure=struct).astype(int)

scipy.ndimage.label：包含误差范围

scipy.ndimage.label: include error margin

python

arrays

scipy

ndimage