Python cucim.skimage.segmentation.relabel_sequential用法及代碼示例

用法: cucim.skimage.segmentation.relabel_sequential(label_field, offset=1)

將任意標簽重新標記為 { offset , ... offset + number_of_labels}。

此函數還返回正向映射(將原始標簽映射到縮減標簽)和反向映射(將縮減標簽映射回原始標簽)。

參數：

label_field：numpy int 數組，任意形狀: 標簽數組，必須是非負整數。
offset：整數，可選: 返回標簽將從 offset 開始，這應該是嚴格的正數。

relabeled：int的numpy數組，與label_field相同的形狀: 標簽映射到 {offset, ..., number_of_labels + offset - 1} 的輸入標簽字段。數據類型將與 label_field 相同，除非 offset + number_of_labels 導致當前數據類型溢出。
forward_map：數組映射: 從原始標簽空間到返回標簽空間的映射。可用於重新應用相同的映射。請參閱使用示例。輸出數據類型將與 relabeled 相同。
inverse_map：數組映射: 從新標簽空間到原始空間的映射。這可用於從重新標記的標簽字段中重建原始標簽字段。輸出數據類型將與 label_field 相同。

注意：

假定標簽 0 表示背景並且從不重新映射。

對於某些輸入，前向映射可能非常大，因為它的長度由標簽字段的最大值給出。然而，在大多數情況下，label_field.max() 比 label_field.size 小得多，在這些情況下，前向映射保證小於輸入或輸出圖像。

例子：

>>> import cupy as cp
>>> from cucim.skimage.segmentation import relabel_sequential
>>> label_field = cp.array([1, 1, 5, 5, 8, 99, 42])
>>> relab, fw, inv = relabel_sequential(label_field)
>>> relab
array([1, 1, 2, 2, 3, 5, 4])
>>> print(fw)
ArrayMap:
  1 → 1
  5 → 2
  8 → 3
  42 → 4
  99 → 5
>>> cp.array(fw)
array([0, 1, 0, 0, 0, 2, 0, 0, 3, 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, 0, 0, 0, 0, 0, 0, 0, 0, 4, 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, 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, 0, 0, 0, 0, 0, 0, 5])
>>> cp.array(inv)
array([ 0,  1,  5,  8, 42, 99])
>>> (fw[label_field] == relab).all()
True
>>> (inv[relab] == label_field).all()
True
>>> relab, fw, inv = relabel_sequential(label_field, offset=5)
>>> relab
array([5, 5, 6, 6, 7, 9, 8])

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.segmentation.relabel_sequential。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：

注意：

例子：