Python cucim.skimage.measure.label用法及代码示例

用法: cucim.skimage.measure.label(input, background=None, return_num=False, connectivity=None)

标记整数数组的连接区域。

当两个像素是相邻的并且具有相同的值时，它们是连接的。在 2D 中，它们可以是 1 或 2 连接意义上的邻居。该值是指将像素/体素视为邻居的最大正交跳数：

1-connectivity     2-connectivity     diagonal connection close-up

     [ ]           [ ]  [ ]  [ ]             [ ]
      |               \  |  /                 |  <- hop 2
[ ]--[x]--[ ]      [ ]--[x]--[ ]        [x]--[ ]
      |               /  |  \             hop 1
     [ ]           [ ]  [ ]  [ ]

参数：

input：dtype int的ndarray: 要标记的图像。
background：整数，可选: 将具有此值的所有像素视为背景像素，并将它们标记为 0。默认情况下，将 0 值像素视为背景像素。
return_num：布尔型，可选: 是否返回分配标签的数量。
connectivity：整数，可选: 将像素/体素视为邻居的最大正交跳数。接受的值范围从 1 到 input.ndim。如果 None ，则使用 input.ndim 的完整连接。

labels：dtype int的ndarray: 标记数组，其中所有连接区域都分配有相同的整数值。
num：整数，可选: 标签数，等于最大标签索引，仅在 return_num 为 True 时返回。

注意：

目前，此函数的 cucim 实现始终使用 32 位整数作为标签数组。这样做是为了性能。未来可能还会添加 64 位整数支持，以实现更好的 skimage 兼容性。

参考：

1: Christophe Fiorio and Jens Gustedt, “Two linear time Union-Find strategies for image processing”, Theoretical Computer Science 154 (1996), pp. 165-181.
2: Kensheng Wu, Ekow Otoo and Arie Shoshani, “Optimizing connected component labeling algorithms”, Paper LBNL-56864, 2005, Lawrence Berkeley National Laboratory (University of California), http://repositories.cdlib.org/lbnl/LBNL-56864

例子：

>>> import cupy as cp
>>> x = cp.eye(3).astype(int)
>>> print(x)
[[1 0 0]
 [0 1 0]
 [0 0 1]]
>>> print(label(x, connectivity=1))
[[1 0 0]
 [0 2 0]
 [0 0 3]]
>>> print(label(x, connectivity=2))
[[1 0 0]
 [0 1 0]
 [0 0 1]]
>>> print(label(x, background=-1))
[[1 2 2]
 [2 1 2]
 [2 2 1]]
>>> x = cp.asarray([[1, 0, 0],
...                 [1, 1, 5],
...                 [0, 0, 0]])
>>> print(label(x))
[[1 0 0]
 [1 1 2]
 [0 0 0]]

相关用法

注：本文由纯净天空筛选整理自rapids.ai大神的英文原创作品 cucim.skimage.measure.label。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

注意：

参考：

例子：