Python cucim.skimage.segmentation.find_boundaries用法及代码示例

用法:

cucim.skimage.segmentation.find_boundaries(label_img, connectivity=1, mode='thick', background=0)

返回标记区域之间的边界为 True 的布尔数组。

参数：

label_img：int 或 bool 数组

一个数组，其中不同的区域用不同的整数或布尔值标记。

connectivity：int in {1, ..., label_img.ndim }，可选

如果一个像素的任何相邻像素具有不同的标签，则该像素被视为边界像素。 connectivity 控制哪些像素被视为邻居。连接性为 1(默认)意味着共享边(2D)或面(3D)的像素将被视为邻居。 label_img.ndim 的连通性意味着共享一个角的像素将被视为邻居。

mode：{‘thick’, ‘inner’, ‘outer’, ‘subpixel’} 中的字符串

如何标记边界：

• 厚：任何未被相同标签(由 connectivity 定义)的像素完全包围的像素都被标记为边界。这会产生 2 个像素厚的边界。
• 内部：勾勒对象的像素just inside，保持背景像素不变。
• 外部：对象边界周围背景中的轮廓像素。当两个物体接触时，它们的边界也会被标记。
• subpixel：返回一个加倍的图像，像素 between 在适当的地方标记为边界的原始像素。

background：整数，可选

对于模式‘inner’ and ‘outer’，需要定义背景标签。有关这两者的说明，请参见mode。

返回：

boundaries：布尔数组，与 label_img 的形状相同

True 表示边界像素的布尔图像。对于等于‘subpixel’的mode，对于所有i，boundaries.shape[i]等于2 * label_img.shape[i] - 1(在所有其他像素对之间插入一个像素)。

例子：

>>> labels = cp.array([[0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
...                    [0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
...                    [0, 0, 0, 0, 0, 5, 5, 5, 0, 0],
...                    [0, 0, 1, 1, 1, 5, 5, 5, 0, 0],
...                    [0, 0, 1, 1, 1, 5, 5, 5, 0, 0],
...                    [0, 0, 1, 1, 1, 5, 5, 5, 0, 0],
...                    [0, 0, 0, 0, 0, 5, 5, 5, 0, 0],
...                    [0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
...                    [0, 0, 0, 0, 0, 0, 0, 0, 0, 0]], dtype=cp.uint8)
>>> find_boundaries(labels, mode='thick').astype(cp.uint8)
array([[0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 1, 1, 1, 0, 0],
       [0, 0, 1, 1, 1, 1, 1, 1, 1, 0],
       [0, 1, 1, 1, 1, 1, 0, 1, 1, 0],
       [0, 1, 1, 0, 1, 1, 0, 1, 1, 0],
       [0, 1, 1, 1, 1, 1, 0, 1, 1, 0],
       [0, 0, 1, 1, 1, 1, 1, 1, 1, 0],
       [0, 0, 0, 0, 0, 1, 1, 1, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 0]], dtype=uint8)
>>> find_boundaries(labels, mode='inner').astype(cp.uint8)
array([[0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 1, 1, 1, 0, 0],
       [0, 0, 1, 1, 1, 1, 0, 1, 0, 0],
       [0, 0, 1, 0, 1, 1, 0, 1, 0, 0],
       [0, 0, 1, 1, 1, 1, 0, 1, 0, 0],
       [0, 0, 0, 0, 0, 1, 1, 1, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 0]], dtype=uint8)
>>> find_boundaries(labels, mode='outer').astype(cp.uint8)
array([[0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 1, 1, 1, 0, 0],
       [0, 0, 1, 1, 1, 1, 0, 0, 1, 0],
       [0, 1, 0, 0, 1, 1, 0, 0, 1, 0],
       [0, 1, 0, 0, 1, 1, 0, 0, 1, 0],
       [0, 1, 0, 0, 1, 1, 0, 0, 1, 0],
       [0, 0, 1, 1, 1, 1, 0, 0, 1, 0],
       [0, 0, 0, 0, 0, 1, 1, 1, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 0]], dtype=uint8)
>>> labels_small = labels[::2, ::3]
>>> labels_small
array([[0, 0, 0, 0],
       [0, 0, 5, 0],
       [0, 1, 5, 0],
       [0, 0, 5, 0],
       [0, 0, 0, 0]], dtype=uint8)
>>> find_boundaries(labels_small, mode='subpixel').astype(cp.uint8)
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 1, 1, 1, 0],
       [0, 0, 0, 1, 0, 1, 0],
       [0, 1, 1, 1, 0, 1, 0],
       [0, 1, 0, 1, 0, 1, 0],
       [0, 1, 1, 1, 0, 1, 0],
       [0, 0, 0, 1, 0, 1, 0],
       [0, 0, 0, 1, 1, 1, 0],
       [0, 0, 0, 0, 0, 0, 0]], dtype=uint8)
>>> bool_image = cp.array([[False, False, False, False, False],
...                        [False, False, False, False, False],
...                        [False, False,  True,  True,  True],
...                        [False, False,  True,  True,  True],
...                        [False, False,  True,  True,  True]],
...                       dtype=bool)
>>> find_boundaries(bool_image)
array([[False, False, False, False, False],
       [False, False,  True,  True,  True],
       [False,  True,  True,  True,  True],
       [False,  True,  True, False, False],
       [False,  True,  True, False, False]])

相关用法

• Python cucim.skimage.segmentation.random_walker用法及代码示例
• Python cucim.skimage.segmentation.relabel_sequential用法及代码示例
• Python cucim.skimage.segmentation.join_segmentations用法及代码示例
• Python cucim.skimage.feature.shape_index用法及代码示例
• Python cucim.skimage.restoration.richardson_lucy用法及代码示例
• Python cucim.skimage.util.invert用法及代码示例
• Python cucim.skimage.data.binary_blobs用法及代码示例
• Python cucim.skimage.filters.roberts_neg_diag用法及代码示例
• Python cucim.skimage.color.lch2lab用法及代码示例
• Python cucim.skimage.measure.label用法及代码示例
• Python cucim.skimage.color.rgb2gray用法及代码示例
• Python cucim.skimage.filters.gabor用法及代码示例
• Python cucim.skimage.transform.rescale用法及代码示例
• Python cucim.skimage.filters.roberts_pos_diag用法及代码示例
• Python cucim.skimage.filters.roberts用法及代码示例
• Python cucim.skimage.morphology.dilation用法及代码示例
• Python cucim.skimage.feature.corner_foerstner用法及代码示例
• Python cucim.skimage.measure.moments_coords用法及代码示例
• Python cucim.skimage.filters.gabor_kernel用法及代码示例
• Python cucim.skimage.color.hsv2rgb用法及代码示例

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.segmentation.find_boundaries。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。