在 numpy/python 中填充分段图像

Question

我有一个 numpy 数组，它表示图像中的分段二维矩阵。基本上，它是一个稀疏矩阵，具有一堆闭合形状，它们是图像片段的轮廓。我需要做的是用numpy中的不同颜色/标签为每个闭合形状内的空像素着色。

我知道我可以在 PIL 中使用洪水填充来做到这一点，但我试图不必将矩阵从 numpy 来回转换为 PIL。如果有像 skimage 或 sklearn 这样的函数可以用不同的标签“自动标记”我的矩阵的所有不同封闭区域（它可以是单调递增的整数或颜色），那就太好了。我不'不在乎，只要它代表其区域内相邻像素的正确分组）。

我已经花了很多时间尝试实现自己的填充，此时我只是想要一些可以为我标记开箱即用的图像的东西。

Answer 1

我假设您的矩阵是二进制的，其中非零值表示提取的段，而零值是您不关心的值。 measure 模块中的 scikit-image label 函数可能很有趣：http://scikit-image.org/docs/dev/api/skimage.measure.html#skimage.measure.label

它本质上是执行连通分量分析，并用一个整数标记所有单独闭合的分量。不过，您需要注意如何指定连接性。有 4 连通性和 8 连通性，前者仅使用北、南、东和西方向找到连通区域，而 8 连通性使用所有 8 个方向（北、南、东、西、东北、东南、西北、西南）。您将使用 connectivity 选项并为 4 连接指定 1 并为 8 连接指定 2。

但是，默认连接将是完全连接，因此对于 2D 情况，它将是 2 选项。我怀疑你会是这样。矩阵中为零的任何 blob 都将被标记为零。事不宜迟，这是一个非常简单的可重现示例：

In [1]: from skimage.measure import label

In [2]: import numpy as np

In [3]: x = np.zeros((8,8))

In [4]: x[0:4,0:4] = 1

In [5]: x[6:8,6:8] = 1

In [6]: x
Out[6]:
array([[ 1.,  1.,  1.,  1.,  0.,  0.,  0.,  0.],
       [ 1.,  1.,  1.,  1.,  0.,  0.,  0.,  0.],
       [ 1.,  1.,  1.,  1.,  0.,  0.,  0.,  0.],
       [ 1.,  1.,  1.,  1.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  1.,  1.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  1.,  1.]])

In [7]: label(x)
Out[7]:
array([[1, 1, 1, 1, 0, 0, 0, 0],
       [1, 1, 1, 1, 0, 0, 0, 0],
       [1, 1, 1, 1, 0, 0, 0, 0],
       [1, 1, 1, 1, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 2, 2],
       [0, 0, 0, 0, 0, 0, 2, 2]], dtype=int64)

我们可以看到我在左上角和右下角创建了两个独立的岛。运行label 函数后，它会返回一个标签矩阵，用于标识属于彼此的像素区域。具有相同 ID 的像素表示属于同一区域。

为了向您展示连接是如何发挥作用的，这里有另一个简单的示例：

In [1]: import numpy as np

In [2]: from skimage.measure import label

In [3]: y = np.array([[0,1,0,0],[1,1,1,0],[0,1,0,1]])

In [4]: y
Out[4]:
array([[0, 1, 0, 0],
       [1, 1, 1, 0],
       [0, 1, 0, 1]])

In [5]: label(y, connectivity=1)
Out[5]:
array([[0, 1, 0, 0],
       [1, 1, 1, 0],
       [0, 1, 0, 2]], dtype=int64)

In [6]: label(y)
Out[6]:
array([[0, 1, 0, 0],
       [1, 1, 1, 0],
       [0, 1, 0, 1]], dtype=int64)

输入在左上角有一个十字图案，在右下角有一个单独的非零值。如果我们使用 4-connectivity，右下角会被归类为不同的标签，但如果我们使用默认的连接（full），每个像素都会被归类为相同的标签。