Python SciPy ndimage.distance_transform_cdt用法及代码示例

本文简要介绍 python 语言中 scipy.ndimage.distance_transform_cdt 的用法。

用法:

scipy.ndimage.distance_transform_cdt(input, metric='chessboard', return_distances=True, return_indices=False, distances=None, indices=None)#

倒角类型变换的距离变换。

此函数通过将每个前景(非零)元素替换为其到背景(任何 zero-valued 元素)的最短距离来计算输入的距离变换。

除了距离变换，还可以计算特征变换。在这种情况下，最接近每个前景元素的背景元素的索引在单独的数组中返回。

参数 ：：

input： array_like

输入。 0 值被视为背景。

metric： {‘chessboard’, ‘taxicab’} 或 数组，可选

公制确定所完成的倒角类型。如果公制等于 ‘taxicab’ 使用生成的结构scipy.ndimage.generate_binary_structure距离的平方等于 1。如果公制等于‘chessboard’，a公制是使用生成的scipy.ndimage.generate_binary_structure距离的平方等于数组的维数。这些选择对应于二维中 ‘taxicab’ 和 ‘chessboard’ 距离度量的常见解释。可以以矩阵的形式提供自定义度量，其中每个维度的长度为三。 ‘cityblock’ 和‘manhattan’ 也有效，并映射到‘taxicab’。默认为‘chessboard’。

return_distances： 布尔型，可选

是否计算距离变换。默认为真。

return_indices： 布尔型，可选

是否计算特征变换。默认为假。

distances： int32 ndarray，可选

一个输出数组，用于存储计算的距离变换，而不是返回它。 return_distances 必须为真。它必须与输入的形状相同。

indices： int32 ndarray，可选

一个输出数组，用于存储计算的特征变换，而不是返回它。 return_indicies 必须为真。它的形状必须是 (input.ndim,) + input.shape。

返回 ：：

distances： int32 ndarray，可选

计算出的距离变换。仅当 return_distances 为 True 并且未提供距离时返回。它将具有与输入数组相同的形状。

indices： int32 ndarray，可选

计算出的特征变换。对于输入的每个维度，它都有一个 input-shaped 数组。有关示例，请参阅distance_transform_edt 文档。仅当 return_indices 为 True 并且未提供索引时返回。

例子：

导入必要的模块。

>>> import numpy as np
>>> from scipy.ndimage import distance_transform_cdt
>>> import matplotlib.pyplot as plt
>>> from mpl_toolkits.axes_grid1 import ImageGrid

首先，我们创建一个玩具二值图像。

>>> def add_circle(center_x, center_y, radius, image, fillvalue=1):
...     # fill circular area with 1
...     xx, yy = np.mgrid[:image.shape[0], :image.shape[1]]
...     circle = (xx - center_x) ** 2 + (yy - center_y) ** 2
...     circle_shape = np.sqrt(circle) < radius
...     image[circle_shape] = fillvalue
...     return image
>>> image = np.zeros((100, 100), dtype=np.uint8)
>>> image[35:65, 20:80] = 1
>>> image = add_circle(28, 65, 10, image)
>>> image = add_circle(37, 30, 10, image)
>>> image = add_circle(70, 45, 20, image)
>>> image = add_circle(45, 80, 10, image)

接下来，我们设置图形。

>>> fig = plt.figure(figsize=(5, 15))
>>> grid = ImageGrid(fig, 111, nrows_ncols=(3, 1), axes_pad=(0.5, 0.3),
...                  label_mode="1", share_all=True,
...                  cbar_location="right", cbar_mode="each",
...                  cbar_size="7%", cbar_pad="2%")
>>> for ax in grid:
...     ax.axis('off')
>>> top, middle, bottom = grid
>>> colorbar_ticks = [0, 10, 20]

顶部图像包含原始二值图像。

>>> binary_image = top.imshow(image, cmap='gray')
>>> cbar_binary_image = top.cax.colorbar(binary_image)
>>> cbar_binary_image.set_ticks([0, 1])
>>> top.set_title("Binary image: foreground in white")

中间图像包含使用 taxicab 度量的距离变换。

>>> distance_taxicab = distance_transform_cdt(image, metric="taxicab")
>>> taxicab_transform = middle.imshow(distance_taxicab, cmap='gray')
>>> cbar_taxicab = middle.cax.colorbar(taxicab_transform)
>>> cbar_taxicab.set_ticks(colorbar_ticks)
>>> middle.set_title("Taxicab metric")

底部图像包含使用 chessboard 度量的距离变换。

>>> distance_chessboard = distance_transform_cdt(image,
...                                              metric="chessboard")
>>> chessboard_transform = bottom.imshow(distance_chessboard, cmap='gray')
>>> cbar_chessboard = bottom.cax.colorbar(chessboard_transform)
>>> cbar_chessboard.set_ticks(colorbar_ticks)
>>> bottom.set_title("Chessboard metric")
>>> plt.tight_layout()
>>> plt.show()