Python怎么实现标记数组的连通域

本篇内容介绍了“Python怎么实现标记数组的连通域”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！

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

其中，a是一个二值矩阵，经过label标记后，其相连通的部分分别被标上了序号。可以更直观地用图像显示一下

import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(121)
plt.imshow(a)
ax = fig.add_subplot(122)
plt.imshow(labels)
plt.show()

structure参数

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。

操作连通域

scipy.ndimage提供了labeled_comprehension函数，其功能大致相当于[func(input[labels == i]) for i in index]，即从已经做好连。通域标记的数组中，取出序号为index所在区域的值，参数如下

labeled_comprehension(input, labels, index, func, out_dtype, default, pass_positions=False)

其中input为输入数组；labels是已经做好的连通域标记；index为将要挑选进行操作的连通域序号；func为具体的操作函数；out_dtype为输出数据类型；default表示，当index不存在于连通域标记中时的输出值，下面做一个示例

from scipy.ndimage import labeled_comprehension
labeled_comprehension(a, labels, [1,2,3,4], sum, int, 0)
# array([3, 2, 1, 1])

连通域序号为1,2,3,4的区域，分别有3,2,1,1个元素，而且所有元素都是1，所以求和之后的值为[3, 2, 1, 1]。

定位连通域

scipy.ndimage中的find_objects函数可以返回连通域的切片范围。

from scipy.ndimage import find_objects
axis = find_objects(labels)
for x,y in axis:
    print(x, y)

'''
slice(0, 2, None) slice(2, 4, None)
slice(2, 3, None) slice(0, 2, None)
slice(2, 3, None) slice(4, 5, None)
slice(3, 4, None) slice(3, 4, None)
''''

如果根据这个对原数组进行切片，就可以得到其对应的标记区域

for x,y in axis:
    print(labels[x,y])
    print("--------")
'''
[[1 1]
 [0 1]]
--------
[[2 2]]
--------
[[3]]
--------
[[4]]
--------
'''

“Python怎么实现标记数组的连通域”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站，小编将为大家输出更多高质量的实用文章！