怎么使用Python實現統計圖像連通域

本篇內容介紹了“怎么使用Python實現統計圖像連通域”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！

數組統計函數

ndimage提供一系列函數，可以計算標注后的數組的相關特征，比如最值、均值、均方根等。

下列函數，如果未作其他說明，那么就有3個參數，分別是(input, labels=None, index=None)，其中input為輸入數組；labels為input的標簽，形狀和input相同；index為整數或者整數數列，為用于計算的label。

示例如下

import numpy as np
import scipy.ndimage as sn

x = np.random.randint(10, size=(3,3))
print(x)
'''
[[0 3 5]
 [9 3 1]
 [1 5 7]]
'''
sn.center_of_mass(x)    # (1.1470588235294117, 1.088235294117647)
sn.extrema(x)           # (0, 9, (0, 0), (1, 0))

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

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。

連通域統計

前面提到的所有統計函數，形參都有三個，分別是input, labels, index，其中input為輸入數組，labels為將要處理的連通域，index為準備處理的連通域序號。

np.random.seed(42)
test = np.random.rand(5,5)
test[test<0.8] = 0
labels, N = sn.label(test)
print(N)        # 2
print(labels)    # 
‘'‘
[[0 1 0 0 0]
 [0 0 2 0 0]
 [0 2 2 0 0]
 [0 0 0 0 0]
 [0 0 0 0 0]]
'‘'
print(test)
‘'‘
[[0.         0.95071431 0.         0.         0.        ]
 [0.         0.         0.86617615 0.         0.        ]
 [0.         0.96990985 0.83244264 0.         0.        ]
 [0.         0.         0.         0.         0.        ]
 [0.         0.         0.         0.         0.        ]]
'‘'

接下來通過連通域統計函數，針對某個連通域進行計算

>>> sn.mean(test, labels, 1)
0.9507143064099162
>>> sn.mean(test, labels, 2)
0.8895095462457837
>>> sn.mean(test, labels, 0)
0.0

當index=1時，會找出labels中為1的位置，然后把test中這些位置的元素求平均。

“怎么使用Python實現統計圖像連通域”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！