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

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

對應於洪水填充的掩碼。

從特定的seed_point 開始，找到等於或在種子值容差範圍內的連接點。

參數：

image：ndarray: 一個 n 維數組。
seed_point：元組或int: 圖像中用作泛濫填充起點的點。如果圖像是一維的，這個點可以作為一個整數給出。
footprint：ndarray，可選: 用於確定每個評估像素的鄰域的足跡(結構元素)。它必須隻包含 1 和 0，具有與圖像相同的維數。如果未給出，則所有相鄰像素都被視為鄰域的一部分(完全連接)。
connectivity：int 可選: 用於確定每個評估像素的鄰域的數字。距中心的平方距離大於或等於連通性的相鄰像素被視為鄰居。如果足跡不是無，則忽略。
tolerance：浮點數或 int 可選: 如果為 None(默認)，則相鄰值必須嚴格等於圖像在 seed_point 處的初始值。這是最快的。如果給出了一個值，將在每個點進行比較，如果在初始值的公差範圍內，也將填充(包括)。

mask：ndarray: 返回一個與圖像形狀相同的布爾數組，其中連接到種子點並等於(或在其容差範圍內)的區域的 True 值。所有其他值為 False。

其他參數：

selem：DEPRECATED: 已棄用以支持足跡。

注意：

此操作的概念類比是許多光柵圖形程序中的“油漆桶”工具。這個函數隻返回代表填充的掩碼。

如果出於內存原因需要索引而不是掩碼，用戶可以簡單地對結果運行 numpy.nonzero ，保存索引，然後丟棄此掩碼。

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 填充連接的，完全連接(包括對角線)：

>>> 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 填充連接的點，不包括對角點(連接 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.flood。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：

其他參數：

注意：

例子：