怎么使用Python实现统计图像连通域

本篇内容介绍了“怎么使用Python实现统计图像连通域”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

数组统计函数

ndimage提供一系列函数，可以计算标注后的数组的相关特征，比如最值、均值、均方根等。

下列函数，如果未作其他说明，那么就有3个参数，分别是(input, labels=None, index=None)，其中input为输入数组；labels为input的标签，形状和input相同；index为整数或者整数数列，为用于计算的label。

示例如下

import numpy as np
import scipy.ndimage as sn
x = np.random.randint(10, size=(3,3))
print(x)
'''
[[0 3 5]
 [9 3 1]
 [1 5 7]]
'''
sn.center_of_mass(x)    # (1.1470588235294117, 1.088235294117647)
sn.extrema(x)           # (0, 9, (0, 0), (1, 0))

连通域标记

通过label函数，可以对数组中的连通区域进行标注，效果如下

from scipy.ndimage import label
import numpy as np
a = np.array([[0,0,1,1,0,0],
              [0,0,0,1,0,0],
              [1,1,0,0,1,0],
              [0,0,0,1,0,0]])
labels, N = label(a)
print(labels)
'''
[[0 0 1 1 0 0]
 [0 0 0 1 0 0]
 [2 2 0 0 3 0]
 [0 0 0 4 0 0]]
'''
print(N)    4

在label函数中，还有一个用于规范何为“连通”的参数，即structure，其数据类型为二值数组，其维度与输入的input相同。

在上面的示例中，连通域1,3,4尽管没有上下左右的联系，但在对角线上是有交集的，通过调整structure参数，可以提供一种将这三个区域连在一起的连通域方案。

stru = np.ones([3,3])
bLab, bN = label(a, stru)
print(bLab)
‘'‘
[[0 0 1 1 0 0]
 [0 0 0 1 0 0]
 [2 2 0 0 1 0]
 [0 0 0 1 0 0]]
'‘'

可见，这次只选出了两组连通域。

连通域统计

前面提到的所有统计函数，形参都有三个，分别是input, labels, index，其中input为输入数组，labels为将要处理的连通域，index为准备处理的连通域序号。

np.random.seed(42)
test = np.random.rand(5,5)
test[test<0.8] = 0
labels, N = sn.label(test)
print(N)        # 2
print(labels)    # 
‘'‘
[[0 1 0 0 0]
 [0 0 2 0 0]
 [0 2 2 0 0]
 [0 0 0 0 0]
 [0 0 0 0 0]]
'‘'
print(test)
‘'‘
[[0.         0.95071431 0.         0.         0.        ]
 [0.         0.         0.86617615 0.         0.        ]
 [0.         0.96990985 0.83244264 0.         0.        ]
 [0.         0.         0.         0.         0.        ]
 [0.         0.         0.         0.         0.        ]]
'‘'

接下来通过连通域统计函数，针对某个连通域进行计算

>>> sn.mean(test, labels, 1)
0.9507143064099162
>>> sn.mean(test, labels, 2)
0.8895095462457837
>>> sn.mean(test, labels, 0)
0.0

当index=1时，会找出labels中为1的位置，然后把test中这些位置的元素求平均。

以上就是怎么使用Python实现统计图像连通域的详细内容，更多关于怎么使用Python实现统计图像连通域的资料请关注九品源码其它相关文章！