Python cucim.skimage.measure.profile_line用法及代碼示例

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

返回沿掃描線測量的圖像的強度分布。

參數：

image：ndarray，形狀(M，N[，C]): 圖像，灰度(2D 陣列)或多通道(3D 陣列，其中最後一個軸包含通道信息)。
src：數組, 形狀 (2, ): 掃描線起點的坐標。
dst：數組, 形狀 (2, ): 掃描線終點的坐標。與標準 numpy 索引相比，目標點是配置文件中的 included。
linewidth：整數，可選: 掃描的寬度，垂直於線
order：{0, 1, 2, 3, 4, 5} 中的 int，可選: 樣條插值的順序，如果 image.dtype 為 bool，則默認為 0，否則為 1。順序必須在 0-5 範圍內。有關詳細信息，請參閱skimage.transform.warp。
mode：{‘constant’, ‘nearest’, ‘reflect’, ‘mirror’, ‘wrap’}，可選: 如何計算圖像之外的任何值。
cval：浮點數，可選: 如果mode 是‘constant’，在圖像外使用什麽常量值。
reduce_func：可調用的，可選的: 當linewidth > 1 時，用於計算垂直於profile_line 方向的像素值聚合的函數。如果設置為None，將返回未歸約的數組。

return_value：數組: 沿掃描線的強度分布。輪廓的長度是計算出的掃描線長度的上限。

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.])

與標準 numpy 索引相比，目標點包含在配置文件中。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.])

對於不同的 reduce_func 輸入：

>>> 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])

當reduce_func 為 None 或當reduce_func 單獨作用於每個像素值時，將返回未歸約的數組。

>>> 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.        ]])

相關用法

注：本文由純淨天空篩選整理自rapids.ai大神的英文原創作品 cucim.skimage.measure.profile_line。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

例子：