从 numpy 数组中分离出最大/最小的标记补丁答案

【问题标题】：Isolate greatest/smallest labeled patches from numpy array从 numpy 数组中分离出最大/最小的标记补丁
【发布时间】：2017-07-18 18:33:38
【问题描述】：

我有一个大的 numpy 数组，并用 scipy 中的连接组件标记对其进行标记。现在我想创建这个数组的子集，其中只剩下最大或最小的标签。当然，这两个极值都可以出现多次。

import numpy
from scipy import ndimage
....
# Loaded in my image file here. To big to paste
....
s = ndimage.generate_binary_structure(2,2) # iterate structure
labeled_array, numpatches = ndimage.label(array,s) # labeling
# get the area (nr. of pixels) of each labeled patch
sizes = ndimage.sum(array,labeled_array,range(1,numpatches+1)) 

# To get the indices of all the min/max patches. Is this the correct label id?
map = numpy.where(sizes==sizes.max()) 
mip = numpy.where(sizes==sizes.min())

# This here doesn't work! Now i want to create a copy of the array and fill only those cells
# inside the largest, respecitively the smallest labeled patches with values
feature = numpy.zeros_like(array, dtype=int)
feature[labeled_array == map] = 1

有人可以给我提示如何继续前进吗？

【问题讨论】：

标签： python numpy scipy

【解决方案1】：

这里是完整的代码：

import numpy
from scipy import ndimage

array = numpy.zeros((100, 100), dtype=np.uint8)
x = np.random.randint(0, 100, 2000)
y = np.random.randint(0, 100, 2000)
array[x, y] = 1

pl.imshow(array, cmap="gray", interpolation="nearest")

s = ndimage.generate_binary_structure(2,2) # iterate structure
labeled_array, numpatches = ndimage.label(array,s) # labeling

sizes = ndimage.sum(array,labeled_array,range(1,numpatches+1)) 
# To get the indices of all the min/max patches. Is this the correct label id?
map = numpy.where(sizes==sizes.max())[0] + 1 
mip = numpy.where(sizes==sizes.min())[0] + 1

# inside the largest, respecitively the smallest labeled patches with values
max_index = np.zeros(numpatches + 1, np.uint8)
max_index[map] = 1
max_feature = max_index[labeled_array]

min_index = np.zeros(numpatches + 1, np.uint8)
min_index[mip] = 1
min_feature = min_index[labeled_array]

注意事项：

numpy.where 返回一个元组
标签1的大小是sizes[0]，所以需要在numpy.where的结果上加1
若要获取具有多个标签的掩码数组，您可以使用labeled_array 作为标签掩码数组的索引。

结果：

【讨论】：

太好了，非常感谢！这很好用。我之前尝试过对其进行索引，但之前我没有得到将标签 1 的大小加 1 的技巧。

【解决方案2】：

首先你需要一个带标签的掩码，给定一个只有 0（背景）和 1（前景）的掩码：

labeled_mask, cc_num = ndimage.label(mask)

然后找到最大的连通分量：

largest_cc_mask = (labeled_mask == (np.bincount(labeled_mask.flat)[1:].argmax() + 1))

您可以使用 argmin() 推断最小的对象查找..

【讨论】：