根据面积合并区域
merge region based on area
我需要合并来自 scikit-image Label
产品的小 regions
slic 直到达到区域阈值
切片本身有一个 min_size_factor
这不是我的解决方案,因为它对标记的整体结果产生了不良影响。
我可以计算区域面积的方式:
def pixelcount(regionmask):
return np.sum(regionmask)
props = regionprops(label_img, extra_properties=(pixelcount,))
对于区域区域,是否有与 cut_normalized 函数(基于预先计算的 RAG 的颜色相似性)相同的方法?
感谢任何帮助。
对于可能遇到这种情况的人:
通过 scikit_image 构建 RAG,将“像素数”作为附加到节点的数据
定义“权重”等于以下代码并合并归一化:
for x, y, d in graph.edges(data=True):
diff = graph.nodes[x]['pixel count'] - graph.nodes[y]['pixel count']
diff = np.linalg.norm(diff)
我需要合并来自 scikit-image Label
产品的小 regions
slic 直到达到区域阈值
切片本身有一个 min_size_factor
这不是我的解决方案,因为它对标记的整体结果产生了不良影响。
我可以计算区域面积的方式:
def pixelcount(regionmask):
return np.sum(regionmask)
props = regionprops(label_img, extra_properties=(pixelcount,))
对于区域区域,是否有与 cut_normalized 函数(基于预先计算的 RAG 的颜色相似性)相同的方法?
感谢任何帮助。
对于可能遇到这种情况的人:
通过 scikit_image 构建 RAG,将“像素数”作为附加到节点的数据
定义“权重”等于以下代码并合并归一化:
for x, y, d in graph.edges(data=True): diff = graph.nodes[x]['pixel count'] - graph.nodes[y]['pixel count'] diff = np.linalg.norm(diff)