等效于label2idx MATLAB函数的Python
等效于label2idx MATLAB函数的Python
提问于 2019-06-25 09:03:18
在python中有label2idx()函数的库实现吗？
我希望将标签表示形式中的超像素提取为label2idx()函数精确返回的格式。
label2idx函数：https://in.mathworks.com/help/images/ref/label2idx.html
回答 2
Stack Overflow用户
回答已采纳
发布于 2019-06-25 09:15:07
给定一个包含从label_arr到max(label_arr)的所有标签的标签数组，您可以这样做：
def label2idx(label_arr):
return [
np.where(label_arr.ravel() == i)[0]
for i in range(1, np.max(label_arr) + 1)]如果您想放松包含所有标签的要求，可以添加一个简单的if，即：
def label2idx(label_arr):
return [
np.where(label_arr.ravel() == i)[0]
if i in label_arr else np.array([], dtype=int)
for i in range(1, np.max(label_arr) + 1)]仅为了在MATLAB文档中复制该示例：
import numpy as np
import scipy as sp
import scipy.ndimage
struct_arr = np.array(
[[1, 1, 1, 0, 0, 0, 0, 0],
[1, 1, 1, 0, 1, 1, 0, 0],
[1, 1, 1, 0, 1, 1, 0, 0],
[1, 1, 1, 0, 0, 0, 0, 0],
[1, 1, 1, 0, 0, 0, 1, 0],
[1, 1, 1, 0, 0, 0, 1, 0],
[1, 1, 1, 0, 0, 1, 1, 0],
[1, 1, 1, 0, 0, 0, 0, 0]])
label_arr, num_labels = sp.ndimage.label(struct_arr)
# label_arr:
# [[1 1 1 0 0 0 0 0]
# [1 1 1 0 2 2 0 0]
# [1 1 1 0 2 2 0 0]
# [1 1 1 0 0 0 0 0]
# [1 1 1 0 0 0 3 0]
# [1 1 1 0 0 0 3 0]
# [1 1 1 0 0 3 3 0]
# [1 1 1 0 0 0 0 0]]
def label2idx(label_arr):
return [
np.where(label_arr.ravel() == i)[0]
for i in range(1, np.max(label_arr) + 1)]
pixel_idxs = label2idx(label_arr)
for pixel_idx in pixel_idxs:
print(pixel_idx)
# [ 0 1 2 8 9 10 16 17 18 24 25 26 32 33 34 40 41 42 48 49 50 56 57 58]
# [12 13 20 21]
# [38 46 53 54]但是，请注意，由于MATLAB和NumPy之间的差异，没有得到完全相同的结果，特别是：
- MATLAB: FORTRAN风格的矩阵索引和基于1的索引
- Python+NumPy: C风格的矩阵索引和基于0的索引
如果你想在MATLAB中得到相同的数字，你可以用这个代替(注意额外的.T和+ 1)：
def label2idx_MATLAB(label_arr):
return [
np.where(label_arr.T.ravel() == i)[0] + 1
for i in range(1, np.max(label_arr) + 1)]Stack Overflow用户
发布于 2019-06-25 09:18:23
MATLAB的label2idx输出给定标记图像的扁平指数(列-大有序)。
我们可以使用scikit-image's内置regionprops从标记的图像中获取这些索引。Scikit-image还为我们提供了一个内置的，以获取标记的图像，所以所有的工作与相同的包。执行过程会是这样的-
from skimage.measure import label,regionprops
def label2idx(L):
# Get region-properties for all labels
props = regionprops(L)
# Get XY coordinates/indices for each label
indices = [p.coords for p in props]
# Get flattened-indices for each label, similar to MATLAB version
# Note that this is row-major ordered.
flattened_indices = [np.ravel_multi_index(idx.T,L.shape) for idx in indices]
return indices, flattened_indices样本运行-
# Input array
In [62]: a
Out[62]:
array([[1, 1, 1, 0, 0, 0, 0, 0],
[1, 1, 1, 0, 1, 1, 0, 0],
[1, 1, 1, 0, 1, 1, 0, 0],
[1, 1, 1, 0, 0, 0, 0, 0],
[1, 1, 1, 0, 0, 0, 1, 0],
[1, 1, 1, 0, 0, 0, 1, 0],
[1, 1, 1, 0, 0, 1, 1, 0],
[1, 1, 1, 0, 0, 0, 0, 0]])
# Get labeled image
In [63]: L = label(a)
In [64]: idx,flat_idx = label2idx(L)
In [65]: flat_idx
Out[65]:
[array([ 0, 1, 2, 8, 9, 10, 16, 17, 18, 24, 25, 26, 32, 33, 34, 40, 41,
42, 48, 49, 50, 56, 57, 58]),
array([12, 13, 20, 21]),
array([38, 46, 53, 54])]如果您需要像MATLAB这样按列的主要顺序排列的索引，只需转换图像，然后按-
In [5]: idx,flat_idx = label2idx(L.T)
In [6]: flat_idx
Out[6]:
[array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,
17, 18, 19, 20, 21, 22, 23]),
array([33, 34, 41, 42]),
array([46, 52, 53, 54])]注意，索引仍然是从0开始的，不像MATLAB中的索引是从1开始的。
替代使用SciPy获取标记图像
SciPy还内置了一个标签-图像：scipy.ndimage.label -
from scipy.ndimage import label
L = label(a)[0]页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/56750400
复制相关文章
相似问题
腾讯云开发者
