Python SciPy ndimage.distance_transform_bf用法及代碼示例

本文簡要介紹 python 語言中 scipy.ndimage.distance_transform_bf 的用法。

用法:

scipy.ndimage.distance_transform_bf(input, metric='euclidean', sampling=None, return_distances=True, return_indices=False, distances=None, indices=None)#

通過暴力算法實現距離變換函數。

此函數通過將每個前景(非零)元素替換為其到背景(任何 zero-valued 元素)的最短距離來計算輸入的距離變換。

除了距離變換，還可以計算特征變換。在這種情況下，最接近每個前景元素的背景元素的索引在單獨的數組中返回。

參數 ：：

input： array_like

輸入

metric： {‘euclidean’, ‘taxicab’, ‘chessboard’}，可選

‘cityblock’ 和‘manhattan’ 也有效，並映射到‘taxicab’。默認為‘euclidean’。

sampling： 浮點數，或浮點數序列，可選

僅當指標為‘euclidean’時使用此參數。元素沿每個維度的間距。如果是序列，長度必須等於輸入秩；如果是單個數字，則用於所有軸。如果未指定，則暗示統一的網格間距。

return_distances： 布爾型，可選

是否計算距離變換。默認為真。

return_indices： 布爾型，可選

是否計算特征變換。默認為假。

distances： ndarray，可選

用於存儲計算的距離變換而不是返回它的輸出數組。 return_distances 必須為 True。它必須與輸入具有相同的形狀，如果度量為 ‘euclidean’，則其類型為 float64，否則為 uint32。

indices： int32 ndarray，可選

一個輸出數組，用於存儲計算的特征變換，而不是返回它。 return_indicies 必須為真。它的形狀必須是 (input.ndim,) + input.shape。

返回 ：：

distances： ndarray，可選

計算出的距離變換。僅當 return_distances 為 True 且未提供距離時才返回。它將具有與輸入數組相同的形狀。

indices： int32 ndarray，可選

計算出的特征變換。對於輸入的每個維度，它都有一個 input-shaped 數組。有關示例，請參閱distance_transform_edt 文檔。僅當 return_indices 為 True 並且未提供索引時返回。

注意：

該函數采用緩慢的強力算法。另請參閱函數 distance_transform_cdt 以了解更高效的出租車 [1] 和棋盤算法 [2]。

參考：

[1]

出租車距離。維基百科，2023 年。https://en.wikipedia.org/wiki/Taxicab_geometry

[2]

棋盤距離。維基百科，2023 年。https://en.wikipedia.org/wiki/Chebyshev_distance

例子：

導入必要的模塊。

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

首先，我們創建一個玩具二值圖像。

>>> 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)

接下來，我們設置圖形。

>>> fig = plt.figure(figsize=(8, 8))  # set up the figure structure
>>> grid = ImageGrid(fig, 111, nrows_ncols=(2, 2), axes_pad=(0.4, 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')  # remove axes from images

左上圖像是原始二值圖像。

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

距離變換根據距離度量計算前景像素與圖像背景之間的距離。 distance_transform_bf 中的可用指標有： euclidean (默認)、taxicab 和 chessboard 。右上圖像包含基於 euclidean 度量的距離變換。

>>> distance_transform_euclidean = distance_transform_bf(image)
>>> euclidean_transform = grid[1].imshow(distance_transform_euclidean,
...                                      cmap='gray')
>>> cbar_euclidean = grid.cbar_axes[1].colorbar(euclidean_transform)
>>> colorbar_ticks = [0, 10, 20]
>>> cbar_euclidean.set_ticks(colorbar_ticks)
>>> grid[1].set_title("Euclidean distance")

左下圖像包含使用 taxicab 度量的距離變換。

>>> distance_transform_taxicab = distance_transform_bf(image,
...                                                    metric='taxicab')
>>> taxicab_transformation = grid[2].imshow(distance_transform_taxicab,
...                                         cmap='gray')
>>> cbar_taxicab = grid.cbar_axes[2].colorbar(taxicab_transformation)
>>> cbar_taxicab.set_ticks(colorbar_ticks)
>>> grid[2].set_title("Taxicab distance")

最後，右下圖像包含使用 chessboard 度量的距離變換。

>>> distance_transform_cb = distance_transform_bf(image,
...                                               metric='chessboard')
>>> chessboard_transformation = grid[3].imshow(distance_transform_cb,
...                                            cmap='gray')
>>> cbar_taxicab = grid.cbar_axes[3].colorbar(chessboard_transformation)
>>> cbar_taxicab.set_ticks(colorbar_ticks)
>>> grid[3].set_title("Chessboard distance")
>>> plt.show()