返回图像的特定 numpy 标签索引

Question

我想使用 numpy 的标签分割我的图像，然后根据在每个标签中找到的索引数量删除满足我标准的那些。例如，如果像这样创建带有我分割区域的图像并使用 scipy 的label 进行分割：

from numpy import ones, zeros
from numpy.random import random_integers
from scipy.ndimage import label

image = zeros((512, 512), dtype='int')
regionator = ones((11, 11), dtype='int')
xs = random_integers(5, 506, size=500)
ys = random_integers(5, 506, size=500)

for x, y in zip(xs, ys):
    image[x-5:x+6, y-5:y+6] = regionator

labels, n_labels = label(image)

现在我想检索大小大于 121 像素（或一个区域器大小）的每个区域的索引。然后我想取这些索引并将它们设置为零，这样它们就不再是标记图像的一部分。完成这项任务最有效的方法是什么？

基本上类似于 MATLAB 的 regionprops 或利用 IDL 的 reverse_indices 从其直方图函数输出。

Answer 1

我会使用 bincount 和阈值来制作查找表：

import numpy as np

threshold = 121

size = np.bincount(labels.ravel())
keep_labels = size <= threshold
# Make sure the background is left as 0/False
keep_labels[0] = 0
filtered_labels = keep_labels[labels]

在上面的最后，我用数组labels 索引数组keep_labels。这在 numpy 中称为advanced indexing，它要求labels 是一个整数数组。 Numpy 然后使用labels 的元素作为keep_labels 的索引，并生成一个与labels 形状相同的数组。

Answer 2

这是迄今为止我发现的对我有用的方法，即使对于大型数据集也具有良好的性能。

使用来自here 的获取索引过程，我得出了这个结论：

from numpy import argsort, histogram, reshape, where
import bisect

h = histogram(labels, bins=n_labels)
h_inds = where(h[0] > 121)[0]

labels_f = labels.flatten()
sortedind = argsort(labels_f)
sorted_labels_f = labels_f[sortedind]
inds = []
for i in range(1, len(h_inds)):
    i1 = bisect.bisect_left(sorted_labels_f, h[1][h_inds[i]])
    i2 = bisect.bisect_right(sorted_labels_f, h[1][h_inds[i]])
    inds.extend(sortedind[i1:i2])

# Now get rid of all of those indices that were part of a label
# larger than 121 pixels
labels_f[inds] = 0
filtered_labels = reshape(labels_f, (512, 512))