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

用法: cucim.skimage.measure.profile_line(image, src, dst, linewidth=1, order=None, mode=None, cval=0.0, *, reduce_func=<function mean>)

返回沿扫描线测量的图像的强度分布。

参数：

image：ndarray，形状(M，N[，C]): 图像，灰度(2D 阵列)或多通道(3D 阵列，其中最后一个轴包含通道信息)。
src：数组, 形状 (2, ): 扫描线起点的坐标。
dst：数组, 形状 (2, ): 扫描线终点的坐标。与标准 numpy 索引相比，目标点是配置文件中的 included。
linewidth：整数，可选: 扫描的宽度，垂直于线
order：{0, 1, 2, 3, 4, 5} 中的 int，可选: 样条插值的顺序，如果 image.dtype 为 bool，则默认为 0，否则为 1。顺序必须在 0-5 范围内。有关详细信息，请参阅skimage.transform.warp。
mode：{‘constant’, ‘nearest’, ‘reflect’, ‘mirror’, ‘wrap’}，可选: 如何计算图像之外的任何值。
cval：浮点数，可选: 如果mode 是‘constant’，在图像外使用什么常量值。
reduce_func：可调用的，可选的: 当linewidth > 1 时，用于计算垂直于profile_line 方向的像素值聚合的函数。如果设置为None，将返回未归约的数组。

return_value：数组: 沿扫描线的强度分布。轮廓的长度是计算出的扫描线长度的上限。

例子：

>>> import cupy as cp
>>> x = cp.asarray([[1, 1, 1, 2, 2, 2]])
>>> img = cp.vstack([cp.zeros_like(x), x, x, x, cp.zeros_like(x)])
>>> img
array([[0, 0, 0, 0, 0, 0],
       [1, 1, 1, 2, 2, 2],
       [1, 1, 1, 2, 2, 2],
       [1, 1, 1, 2, 2, 2],
       [0, 0, 0, 0, 0, 0]])
>>> profile_line(img, (2, 1), (2, 4))
array([1., 1., 2., 2.])
>>> profile_line(img, (1, 0), (1, 6), cval=4)
array([1., 1., 1., 2., 2., 2., 4.])

与标准 numpy 索引相比，目标点包含在配置文件中。例如：

>>> profile_line(img, (1, 0), (1, 6))  # The final point is out of bounds
array([1., 1., 1., 2., 2., 2., 0.])
>>> profile_line(img, (1, 0), (1, 5))  # This accesses the full first row
array([1., 1., 1., 2., 2., 2.])

对于不同的 reduce_func 输入：

>>> profile_line(img, (1, 0), (1, 3), linewidth=3, reduce_func=cp.mean)
array([0.66666667, 0.66666667, 0.66666667, 1.33333333])
>>> profile_line(img, (1, 0), (1, 3), linewidth=3, reduce_func=cp.max)
array([1, 1, 1, 2])
>>> profile_line(img, (1, 0), (1, 3), linewidth=3, reduce_func=cp.sum)
array([2, 2, 2, 4])

当reduce_func 为 None 或当reduce_func 单独作用于每个像素值时，将返回未归约的数组。

>>> profile_line(img, (1, 2), (4, 2), linewidth=3, order=0,
...     reduce_func=None)
array([[1, 1, 2],
       [1, 1, 2],
       [1, 1, 2],
       [0, 0, 0]])
>>> profile_line(img, (1, 0), (1, 3), linewidth=3, reduce_func=cp.sqrt)
array([[1.        , 1.        , 0.        ],
       [1.        , 1.        , 0.        ],
       [1.        , 1.        , 0.        ],
       [1.41421356, 1.41421356, 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.profile_line。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：

例子：