Python怎么實現標記數組的連通域

本篇內容介紹了“Python怎么實現標記數組的連通域”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

連通域標記

通過label函數，可以對數組中的連通區域進行標注，效果如下

from scipy.ndimage import label
import numpy as np
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]])
labels, N = label(a)
print(labels)
'''
[[0 0 1 1 0 0]
 [0 0 0 1 0 0]
 [2 2 0 0 3 0]
 [0 0 0 4 0 0]]
'''
print(N)    4

其中，a是一個二值矩陣，經過label標記后，其相連通的部分分別被標上了序號。可以更直觀地用圖像顯示一下

import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(121)
plt.imshow(a)
ax = fig.add_subplot(122)
plt.imshow(labels)
plt.show()

structure參數

在label函數中，還有一個用于規范何為“連通”的參數，即structure，其數據類型為二值數組，其維度與輸入的input相同。

在上面的示例中，連通域1,3,4盡管沒有上下左右的聯系，但在對角線上是有交集的，通過調整structure參數，可以提供一種將這三個區域連在一起的連通域方案。

stru = np.ones([3,3])
bLab, bN = label(a, stru)
print(bLab)
‘'‘
[[0 0 1 1 0 0]
 [0 0 0 1 0 0]
 [2 2 0 0 1 0]
 [0 0 0 1 0 0]]
'‘'

可見，這次只選出了兩組連通域。

操作連通域

scipy.ndimage提供了labeled_comprehension函數，其功能大致相當于[func(input[labels == i]) for i in index]，即從已經做好連。通域標記的數組中，取出序號為index所在區域的值，參數如下

labeled_comprehension(input, labels, index, func, out_dtype, default, pass_positions=False)

其中input為輸入數組；labels是已經做好的連通域標記；index為將要挑選進行操作的連通域序號；func為具體的操作函數；out_dtype為輸出數據類型；default表示，當index不存在于連通域標記中時的輸出值，下面做一個示例

from scipy.ndimage import labeled_comprehension
labeled_comprehension(a, labels, [1,2,3,4], sum, int, 0)
# array([3, 2, 1, 1])

連通域序號為1,2,3,4的區域，分別有3,2,1,1個元素，而且所有元素都是1，所以求和之后的值為[3, 2, 1, 1]。

定位連通域

scipy.ndimage中的find_objects函數可以返回連通域的切片范圍。

from scipy.ndimage import find_objects
axis = find_objects(labels)
for x,y in axis:
    print(x, y)

'''
slice(0, 2, None) slice(2, 4, None)
slice(2, 3, None) slice(0, 2, None)
slice(2, 3, None) slice(4, 5, None)
slice(3, 4, None) slice(3, 4, None)
''''

如果根據這個對原數組進行切片，就可以得到其對應的標記區域

for x,y in axis:
    print(labels[x,y])
    print("--------")
'''
[[1 1]
 [0 1]]
--------
[[2 2]]
--------
[[3]]
--------
[[4]]
--------
'''

“Python怎么實現標記數組的連通域”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！