scipy.ndimage.measurements.find_objects()
從標簽數據，確切地說是從打上標簽的連通成分中，輸出各個連通成分的最小邊界框。
本博文先講解find_objects()]的使用方法，并對輸出數據進行詳細解釋；
然后，講解如何修改find_objects()]的輸出。

import numpy as np from scipy.ndimage.measurements import label,find_objects seg_array = np.array([[[0, 0, 0, 0, 0, 0],[0, 1, 1, 0, 0, 0],[0, 1, 1, 0, 0, 0],[0, 1, 1, 0, 0, 1],[0, 0, 0, 0, 0, 1],[0, 0, 0, 0, 0, 0]],[[0, 0, 0, 0, 0, 0],[0, 1, 1, 0, 0, 0],[0, 1, 1, 0, 0, 0],[0, 1, 1, 0, 0, 1],[0, 0, 0, 0, 0, 1],[0, 0, 0, 0, 0, 0]],[[0, 0, 0, 0, 0, 0],[0, 1, 1, 0, 0, 0],[0, 1, 1, 0, 0, 0],[0, 1, 1, 0, 0, 1],[0, 0, 0, 0, 0, 1],[0, 0, 0, 0, 0, 0]]]) mask_lesion, num_predicted = label(seg_array, output=np.int16) print(mask_lesion) locations = find_objects(mask_lesion) print(locations) for loc in locations:print(seg_array[loc])

輸出

# print(mask_lesion) [[[0 0 0 0 0 0][0 1 1 0 0 0][0 1 1 0 0 0][0 1 1 0 0 2][0 0 0 0 0 2][0 0 0 0 0 0]][[0 0 0 0 0 0][0 1 1 0 0 0][0 1 1 0 0 0][0 1 1 0 0 2][0 0 0 0 0 2][0 0 0 0 0 0]][[0 0 0 0 0 0][0 1 1 0 0 0][0 1 1 0 0 0][0 1 1 0 0 2][0 0 0 0 0 2][0 0 0 0 0 0]]] # print(locations) [(slice(0, 3, None), slice(1, 4, None), slice(1, 3, None)), (slice(0, 3, None), slice(3, 5, None), slice(5, 6, None))] # print(seg_array[loc]) [[[1 1][1 1][1 1]][[1 1][1 1][1 1]][[1 1][1 1][1 1]]] [[[1][1]][[1][1]][[1][1]]]

1. 理解find_objects()

注意事項：

find_objects()的輸入須是按連通成分打過標簽的數據。

輸出解釋：

[(slice(0, 3, None), slice(1, 4, None), slice(1, 3, None)), (slice(0, 3, None), slice(3, 5, None), slice(5, 6, None))]

輸出的類型是元組list；

因為mask_lesion中有兩個連通成分，所以list中有兩個元組，分別代表兩個連通成分的具體位置信息；

因為數據是三維的，所以每個元組有三個silice，分別對應z,x,y軸的下限和上限索引值，遵循索引得左閉右開性質。
e.g. (slice(0, 3, None), slice(1, 4, None), slice(1, 3, None))翻譯過來就是[0:3,1:4,1:3 ]這樣的索引。

2. 修改find_objects()的輸出

查看slice類型和屬性

print(slice) print(dir(slice))

輸出

<class 'slice'> ['__class__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__le__', '__lt__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'indices', 'start', 'step', 'stop']

由此，我們可以利用slice的后三個屬性來讀寫對應的slice

print(locations[0][0].start) print(locations[0][0].stop) print(locations[0][0].step)

輸出

0 3 None

附：
Python slice() 函數
Python dir() 函數

總結

以上是生活随笔為你收集整理的scipy.ndimage.measurements.find_objects()的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。