scipy.ndimage.

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

[[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)