skimage.measure.label

时间：2021-02-25 11:40:34 收藏：0 阅读：0

这个label方法可以用来判别图像中连通区域的数量及标记，举例：

mask_np

>>array([[1., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 1., 1., 1., 1., 1., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 1., 1., 1., 1., 1., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 1., 1., 1., 1., 1., 0., 0., 0., 0., 0., 0., 1.],
       [0., 1., 1., 1., 1., 1., 1., 0., 0., 0., 1., 1., 1., 1.],
       [0., 1., 1., 1., 1., 1., 0., 0., 0., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1., 0., 0., 0., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1., 0., 0., 0., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1., 0., 0., 0., 0., 0., 0., 0., 0.],
       [1., 1., 1., 1., 1., 0., 0., 0., 0., 0., 1., 0., 0., 0.],
       [1., 1., 1., 1., 0., 0., 0., 0., 0., 0., 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., 1.],
       [0., 0., 0., 0., 0., 0., 0., 0., 0., 1., 1., 0., 0., 1.]],
      dtype=float32)

假设mask_np是14*14的二值图像，那么可以观察到上图的联通区域一共有6处

component_labels = measure.label(mask_np)

component_labels

>>array([[1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 2, 2, 2, 2, 2, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 2, 2, 2, 2, 2, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 2, 2, 2, 2, 2, 0, 0, 0, 0, 0, 0, 3],
       [0, 2, 2, 2, 2, 2, 2, 0, 0, 0, 3, 3, 3, 3],
       [0, 2, 2, 2, 2, 2, 0, 0, 0, 3, 3, 3, 3, 3],
       [2, 2, 2, 2, 2, 2, 0, 0, 0, 3, 3, 3, 3, 3],
       [2, 2, 2, 2, 2, 2, 0, 0, 0, 3, 3, 3, 3, 3],
       [2, 2, 2, 2, 2, 2, 0, 0, 0, 0, 0, 0, 0, 0],
       [2, 2, 2, 2, 2, 0, 0, 0, 0, 0, 4, 0, 0, 0],
       [2, 2, 2, 2, 0, 0, 0, 0, 0, 0, 4, 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, 5, 5, 0, 0, 6],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 5, 5, 0, 0, 6]])