scipy.ndimage.

label#

scipy.ndimage.label(input, structure=None, output=None)[source]#

标记数组中的特征。

参数:

inputarray_like

要标记的数组类对象。 input 中的任何非零值都被视为特征，而零值被视为背景。

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等于 1 的方形连接元素。也就是说，对于 2 维 input 数组，默认结构元素是

[[0,1,0],
 [1,1,1],
 [0,1,0]]

output(None, data-type, array_like), 可选

如果 output 是数据类型，则它指定生成的标记特征数组的类型。如果 output 是数组类对象，则 output 将使用此函数的标记特征更新。此函数可以通过传递 output=input 来进行就地操作。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。

返回值:

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，则此函数返回一个包含 (labeled_array, num_features) 的元组。

如果 output 是 ndarray，则它将使用 labeled_array 中的值进行更新，并且此函数只返回 num_features。

另请参见

find_objects: 生成标记特征（或对象）的切片列表；对于查找特征的位置或尺寸很有用

说明

中心对称矩阵是关于中心对称的矩阵。有关更多信息，请参阅 [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，并且定义为

[[0,1,0],
 [1,1,0],
 [0,0,0]]

并且 input 是

[[1,2],
 [0,3]]

则结构矩阵将表明输入中的条目 2 与 1 相连，但 1 未与 2 相连。

参考

[1]

James R. Weaver，“中心对称（交叉对称）矩阵，它们的基本性质、特征值和特征向量。”《美国数学月刊》92.10 (1985): 711-717。

示例

创建一个包含一些特征的图像，然后使用默认（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)

每个 4 个特征都用不同的整数进行标记

>>> 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]])

生成一个结构元素，即使特征对角接触，也会将它们视为连接

>>> 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 个标记的特征（注意，上面特征 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]])