scipy.ndimage.

distance_transform_bf#

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

使用蛮力算法的距离变换函数。

此函数通过用每个前景（非零）元素到背景（任何零值元素）的最近距离替换每个前景（非零）元素，来计算input的距离变换。

除了距离变换之外，还可以计算特征变换。在这种情况下，将最近背景元素到每个前景元素的索引返回到单独的数组中。

参数:

inputarray_like: 输入
metric{‘euclidean’, ‘taxicab’, ‘chessboard’}, optional: ‘cityblock’ 和 ‘manhattan’ 也是有效的，并映射到 ‘taxicab’。默认值为 ‘euclidean’。
samplingfloat, 或 float 的序列, optional: 此参数仅在metric 为 ‘euclidean’ 时使用。沿每个维度的元素间距。如果为序列，则长度必须等于输入等级；如果为单个数字，则此数字用于所有轴。如果未指定，则隐含单位网格间距。
return_distancesbool, optional: 是否计算距离变换。默认为 True。
return_indicesbool, optional: 是否计算特征变换。默认为 False。
distancesndarray, optional: 一个输出数组，用于存储计算的距离变换，而不是返回它。return_distances 必须为 True。它必须与input 形状相同，如果metric 为 ‘euclidean’，则类型为 float64，否则为 uint32。
indicesint32 ndarray, optional: 一个输出数组，用于存储计算的特征变换，而不是返回它。return_indicies 必须为 True。它的形状必须为 (input.ndim,) + input.shape。

返回值:

distancesndarray, optional: 计算的距离变换。仅在 return_distances 为 True 且未提供 distances 时返回。它将具有与输入数组相同的形状。
indicesint32 ndarray, optional: 计算的特征变换。它对输入的每个维度都有一个输入形状的数组。有关示例，请参阅 distance_transform_edt 文档。仅在 return_indices 为 True 且未提供 indices 时返回。

参见

distance_transform_cdt: 为 taxicab 和 chessboard 度量提供更快的距离变换
distance_transform_edt: 为欧几里得度量提供更快的距离变换

注意事项

此函数采用慢速蛮力算法。有关更有效的 taxicab [1] 和 chessboard 算法 [2]，请参见函数 distance_transform_cdt。

参考文献

[1]

出租车距离。维基百科，2023 年。 https://en.wikipedia.org/wiki/Taxicab_geometry

[2]

棋盘距离。维基百科，2023 年。 https://en.wikipedia.org/wiki/Chebyshev_distance

示例

导入必要的模块。

>>> 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，我们创建一个玩具二进制图像。

>>> 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)

接下来，我们设置图形。

>>> 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

左上角的图像是原始二进制图像。

>>> 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")

距离变换根据距离度量计算前景像素与图像背景之间的距离。在 distance_transform_bf 中可用的度量是：euclidean（默认）、taxicab 和 chessboard。右上角的图像是基于 euclidean 度量的距离变换。

>>> 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")

左下角的图像是使用 taxicab 度量的距离变换。

>>> 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")

最后，右下角的图像是使用 chessboard 度量的距离变换。

>>> 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()

../../_images/scipy-ndimage-distance_transform_bf-1.png