Python SciPy ndimage.label用法及代码示例

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

用法:

scipy.ndimage.label(input, structure=None, output=None)#

在数组中标注特征。

参数 ：：

input： array_like

要标记的类似数组的对象。输入中的任何非零值都被视为特征，零值被视为背景。

structure： 数组，可选

定义特征连接的结构元素。结构必须是中心对称的(见注释)。如果没有提供结构元素，则会自动生成一个，其平方连通性等于 1。也就是说，对于二维输入数组，默认的结构元素是：

[[0,1,0],
 [1,1,1],
 [0,1,0]]

output： (无，数据类型，数组)，可选

如果输出是数据类型，则它指定生成的标记要素数组的类型。如果输出是类似数组的对象，则输出将使用此函数中的标记特征进行更新。该函数可以通过传递输出=输入就地操作。请注意，输出必须能够存储最大的标签，否则此函数将引发异常。

返回 ：：

label： ndarray 或 int

一个整数 ndarray，其中输入中的每个唯一特征在返回的数组中都有一个唯一标签。

num_features： int

找到了多少对象。

如果输出为无，则此函数返回 (labeled_array, num_features) 的元组。

如果输出是 ndarray，那么它将使用 labeled_array 中的值进行更新，并且此函数将仅返回 num_features。

注意：

中心对称矩阵是关于中心对称的矩阵。有关详细信息，请参阅 [1]。

结构矩阵必须是中心对称的，以保证双向连接。例如，如果结构矩阵不是中心对称的并且定义为：

[[0,1,0],
 [1,1,0],
 [0,0,0]]

输入是：

[[1,2],
 [0,3]]

那么结构矩阵将指示输入中的条目 2 连接到 1，但 1 未连接到 2。

参考：

[1]

James R. Weaver，“中心对称 (cross-symmetric) 矩阵、它们的基本属性、特征值和特征向量。”美国数学月刊 92.10 (1985): 711-717。

例子：

创建具有一些特征的图像，然后使用默认 (cross-shaped) 结构元素对其进行标记：

>>> from scipy.ndimage import label, generate_binary_structure
>>> 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]])
>>> labeled_array, num_features = label(a)

4 个特征中的每一个都用不同的整数标记：

>>> num_features
4
>>> labeled_array
array([[0, 0, 1, 1, 0, 0],
       [0, 0, 0, 1, 0, 0],
       [2, 2, 0, 0, 3, 0],
       [0, 0, 0, 4, 0, 0]])

生成一个结构元素，该元素将考虑连接的特征，即使它们对角接触：

>>> s = generate_binary_structure(2,2)

或者，

>>> s = [[1,1,1],
...      [1,1,1],
...      [1,1,1]]

使用新的结构元素标记图像：

>>> labeled_array, num_features = label(a, structure=s)

显示 2 个标记的特征(请注意，上面的特征 1、3 和 4 现在被视为单个特征)：

>>> num_features
2
>>> labeled_array
array([[0, 0, 1, 1, 0, 0],
       [0, 0, 0, 1, 0, 0],
       [2, 2, 0, 0, 1, 0],
       [0, 0, 0, 1, 0, 0]])