Python skimage.morphology.flood用法及代码示例

用法: skimage.morphology.flood(image, seed_point, *, footprint=None, connectivity=None, tolerance=None)

对应于洪水填充的掩码。

从特定的seed_point 开始，找到等于或在种子值容差范围内的连接点。

参数：

image：ndarray: 一个 n 维数组。
seed_point：元组或int: 图像中用作泛滥填充起点的点。如果图像是一维的，这个点可以作为一个整数给出。
footprint：ndarray，可选: 用于确定每个评估像素的邻域的足迹(结构元素)。它必须只包含 1 和 0，具有与图像相同的维数。如果未给出，则所有相邻像素都被视为邻域的一部分(完全连接)。
connectivity：int 可选: 用于确定每个评估像素的邻域的数字。距中心的平方距离大于或等于连通性的相邻像素被视为邻居。如果足迹不是无，则忽略。
tolerance：浮点数或 int 可选: 如果为 None(默认)，则相邻值必须严格等于图像在 seed_point 处的初始值。这是最快的。如果给出了一个值，将在每个点进行比较，如果在初始值的公差范围内，也将填充(包括)。

mask：ndarray: 返回一个与图像形状相同的布尔数组，其中连接到种子点并等于(或在其容差范围内)的区域的 True 值。所有其他值为 False。

其他参数：

selem：DEPRECATED: 已弃用以支持足迹。

注意：

此操作的概念类比是许多光栅图形程序中的“油漆桶”工具。这个函数只返回代表填充的掩码。

如果出于内存原因需要索引而不是掩码，用户可以简单地对结果运行 numpy.nonzero ，保存索引，然后丢弃此掩码。

例子：

>>> from skimage.morphology import flood
>>> image = np.zeros((4, 7), dtype=int)
>>> image[1:3, 1:3] = 1
>>> image[3, 0] = 1
>>> image[1:3, 4:6] = 2
>>> image[3, 6] = 3
>>> image
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 1, 1, 0, 2, 2, 0],
       [0, 1, 1, 0, 2, 2, 0],
       [1, 0, 0, 0, 0, 0, 3]])

用 5 填充连接的，完全连接(包括对角线)：

>>> mask = flood(image, (1, 1))
>>> image_flooded = image.copy()
>>> image_flooded[mask] = 5
>>> image_flooded
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 5, 5, 0, 2, 2, 0],
       [0, 5, 5, 0, 2, 2, 0],
       [5, 0, 0, 0, 0, 0, 3]])

用 5 填充连接的点，不包括对角点(连接 1)：

>>> mask = flood(image, (1, 1), connectivity=1)
>>> image_flooded = image.copy()
>>> image_flooded[mask] = 5
>>> image_flooded
array([[0, 0, 0, 0, 0, 0, 0],
       [0, 5, 5, 0, 2, 2, 0],
       [0, 5, 5, 0, 2, 2, 0],
       [1, 0, 0, 0, 0, 0, 3]])

填充公差：

>>> mask = flood(image, (0, 0), tolerance=1)
>>> image_flooded = image.copy()
>>> image_flooded[mask] = 5
>>> image_flooded
array([[5, 5, 5, 5, 5, 5, 5],
       [5, 5, 5, 5, 2, 2, 5],
       [5, 5, 5, 5, 2, 2, 5],
       [5, 5, 5, 5, 5, 5, 3]])

相关用法

注：本文由纯净天空筛选整理自scikit-image.org大神的英文原创作品 skimage.morphology.flood。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：

其他参数：

注意：

例子：