Python skimage.segmentation.clear_border用法及代碼示例

用法: skimage.segmentation.clear_border(labels, buffer_size=0, bgval=0, in_place=False, mask=None, *, out=None)

清除連接到標簽圖像邊框的對象。

參數：

labels：(M[, N[, ..., P]]) int 或 bool 的數組: 成像數據標簽。
buffer_size：int 可選: 檢查的邊框寬度。默認情況下，僅刪除與圖像外部接觸的對象。
bgval：浮點數或 int 可選: 清除的對象設置為此值。
in_place：布爾型，可選: 是否就地操作標簽數組。自 0.19 版起已棄用。請改用 out。
mask：bool的ndarray，形狀相同圖片，可選的。: 圖像數據掩碼。標簽圖像中與掩碼的假像素重疊的對象將被刪除。如果定義，參數buffer_size 將被忽略。
out：ndarray: 與標簽形狀相同的數組，其中放置輸出。默認情況下，會創建一個新數組。

out：(M[, N[, ..., P]]) 數組: 具有清晰邊界的成像數據標簽

例子：

>>> import numpy as np
>>> from skimage.segmentation import clear_border
>>> labels = np.array([[0, 0, 0, 0, 0, 0, 0, 1, 0],
...                    [1, 1, 0, 0, 1, 0, 0, 1, 0],
...                    [1, 1, 0, 1, 0, 1, 0, 0, 0],
...                    [0, 0, 0, 1, 1, 1, 1, 0, 0],
...                    [0, 1, 1, 1, 1, 1, 1, 1, 0],
...                    [0, 0, 0, 0, 0, 0, 0, 0, 0]])
>>> clear_border(labels)
array([[0, 0, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 1, 0, 0, 0, 0],
       [0, 0, 0, 1, 0, 1, 0, 0, 0],
       [0, 0, 0, 1, 1, 1, 1, 0, 0],
       [0, 1, 1, 1, 1, 1, 1, 1, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0]])
>>> mask = np.array([[0, 0, 1, 1, 1, 1, 1, 1, 1],
...                  [0, 0, 1, 1, 1, 1, 1, 1, 1],
...                  [1, 1, 1, 1, 1, 1, 1, 1, 1],
...                  [1, 1, 1, 1, 1, 1, 1, 1, 1],
...                  [1, 1, 1, 1, 1, 1, 1, 1, 1],
...                  [1, 1, 1, 1, 1, 1, 1, 1, 1]]).astype(bool)
>>> clear_border(labels, mask=mask)
array([[0, 0, 0, 0, 0, 0, 0, 1, 0],
       [0, 0, 0, 0, 1, 0, 0, 1, 0],
       [0, 0, 0, 1, 0, 1, 0, 0, 0],
       [0, 0, 0, 1, 1, 1, 1, 0, 0],
       [0, 1, 1, 1, 1, 1, 1, 1, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0]])

相關用法

注：本文由純淨天空篩選整理自scikit-image.org大神的英文原創作品 skimage.segmentation.clear_border。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：