如何在 python 中的 3 维数组中进行连通分量标记？

Question

大家好，我在处理 3D 数组中的连通分量时遇到问题。实际上，我正在研究用于神经影像学研究的 3D CT 扫描数据。为了简单说明，这里有一个 3D 数组的例子：

filled = np.array([
                   [[0, 0, 1],[1, 0, 1],[1, 0, 1],[0, 0, 1],[0, 0, 1],[0, 0, 1]],
                   [[1, 0, 0],[1, 0, 0],[1, 0, 0],[0, 0, 0],[0, 0, 0],[0, 0, 0]],
                   [[1, 0, 0],[1, 0, 0],[1, 0, 0],[0, 0, 0],[0, 0, 0],[0, 0, 0]],
                   [[0, 0, 0],[0, 0, 0],[0, 0, 0],[0, 1, 0],[0, 1, 0],[0, 1, 0]],
                   [[0, 0, 0],[0, 0, 0],[0, 0, 0],[0, 1, 0],[0, 1, 0],[0, 1, 0]],
                   [[0, 0, 0],[0, 0, 0],[0, 0, 0],[0, 1, 0],[0, 1, 0],[0, 1, 0]]   
])

这就是它的样子:

请问有什么方法可以直接在3D中做连通分量space？也许喜欢使用 26 个邻域像素？或者可能只是为了在 3D 中标记对象因为我已经尝试使用开放式 cv 连接组件来处理每个切片（在二维数组中），这就是我处理二维数组（切片）及其工作的方式：

# Largest Connected Component
# slice array is from thresholding process (the value is 0, 1, 2)
    new_img = np.zeros_like(slice)                                        
    for val in np.unique(slice)[1:]:                                      
        mask = np.uint8(slice == val)                                     
        labels, stats = cv2.connectedComponentsWithStats(mask, 4)[1:3]      
        largest_label = 1 + np.argmax(stats[1:, cv2.CC_STAT_AREA])          
        new_img[labels == largest_label] = val

但是我把它叠起来后，结果很糟糕。一些切片失去了价值。也许这里有人以前有过处理这个问题的经验，你的回答会很有帮助。谢谢！

Answer 1

我找到了这个问题的解决方案。有一个库不仅支持 2D 图像，还支持 William Silversmith 创建的 3D。这是 link ：https://pypi.org/project/connected-components-3d/

文档够清楚了。如果您遇到同样的问题，我希望这对您有所帮助。

如何在 python 中的 3 维数组中进行连通分量标记？

How to do connected component labeling in 3 dimensional array in python?

python

arrays

connected-components