label#
- scipy.ndimage.label(input, structure=None, output=None)[源代码]#
标记数组中的特征。
- 参数:
- inputarray_like
要标记的类数组对象。输入input中任何非零值都被视为特征,零值被视为背景。
- structurearray_like, 可选
定义特征连接的结构元素。structure必须是中心对称的(参见“说明”)。如果未提供结构元素,则会自动生成一个连接性平方等于1的结构元素。也就是说,对于二维input数组,默认的结构元素是
[[0,1,0], [1,1,1], [0,1,0]]
- output(None, 数据类型, array_like), 可选
如果output是数据类型,它指定结果标记特征数组的类型。如果output是类数组对象,则output将使用此函数标记的特征进行更新。通过传递output=input,此函数可以原地操作。请注意,输出必须能够存储最大的标签,否则此函数将引发异常。
- 返回:
- labelndarray 或 int
一个整数ndarray,其中input中的每个唯一特征在返回的数组中都有一个唯一的标签。
- num_featuresint
找到的对象数量。
如果output为None,此函数将返回一个元组 (labeled_array, num_features)。
如果output是一个ndarray,则它将使用labeled_array中的值进行更新,并且此函数仅返回num_features。
另请参阅
find_objects
生成一个已标记特征(或对象)的切片列表;可用于查找特征的位置或尺寸
说明
中心对称矩阵是关于中心对称的矩阵。更多信息请参见[1]。
为了确保双向连接,structure矩阵必须是中心对称的。例如,如果structure矩阵不是中心对称的,并定义为
[[0,1,0], [1,1,0], [0,0,0]]
并且input是
[[1,2], [0,3]]
那么结构矩阵将表明输入中的条目2连接到1,但1未连接到2。
参考文献
[1]James R. Weaver, “Centrosymmetric (cross-symmetric) matrices, their basic properties, eigenvalues, and eigenvectors.” The American Mathematical Monthly 92.10 (1985): 711-717.
示例
创建一个带有某些特征的图像,然后使用默认的(十字形)结构元素对其进行标记
>>> from scipy.ndimage import label, generate_binary_structure >>> 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]]) >>> labeled_array, num_features = label(a)
4个特征中的每一个都用不同的整数标记
>>> num_features 4 >>> labeled_array array([[0, 0, 1, 1, 0, 0], [0, 0, 0, 1, 0, 0], [2, 2, 0, 0, 3, 0], [0, 0, 0, 4, 0, 0]], dtype=int32)
生成一个结构元素,即使特征对角接触,也会将其视为已连接
>>> s = generate_binary_structure(2,2)
或者,
>>> s = [[1,1,1], ... [1,1,1], ... [1,1,1]]
使用新的结构元素标记图像
>>> labeled_array, num_features = label(a, structure=s)
显示2个已标记的特征(请注意,上面提到的特征1、3和4现在被视为单个特征)
>>> num_features 2 >>> labeled_array array([[0, 0, 1, 1, 0, 0], [0, 0, 0, 1, 0, 0], [2, 2, 0, 0, 1, 0], [0, 0, 0, 1, 0, 0]], dtype=int32)