python - 通过 python3 中连接的集群的多数投票进行标记

Question

我有一个具有三个维度和三个类别的张量(0:背景，1:第一类，2:第二类)。我想找到连接的集群并通过执行多数投票来分配异常值的标签。 2D 示例:

import numpy as np

data = np.array([[0, 0, 0, 0, 0, 0, 0],
                 [0, 0, 0, 0, 0, 0, 0],
                 [0, 1, 0, 0, 0, 0, 0],
                 [1, 1, 1, 0, 0, 1, 2],
                 [1, 2, 0, 0, 2, 2, 2],
                 [0, 1, 0, 0, 0, 2, 0],
                 [0, 0, 0, 0, 0, 0, 0],])

应改为

data = np.array([[0, 0, 0, 0, 0, 0, 0],
                 [0, 0, 0, 0, 0, 0, 0],
                 [0, 1, 0, 0, 0, 0, 0],
                 [1, 1, 1, 0, 0, 2, 2],
                 [1, 1, 0, 0, 2, 2, 2],
                 [0, 1, 0, 0, 0, 2, 0],
                 [0, 0, 0, 0, 0, 0, 0],])

将连接区域视为一个簇并计算标签的出现就足够了。我并不是在寻找任何机器学习方法。

Answer 1

您可以使用scipy.ndimage.measurements.label查找连接的组件，然后使用np.bincount进行计数

from scipy.ndimage import measurements

lbl,ncl = measurements.label(data)

lut = np.bincount((data+2*lbl).ravel(),None,2*ncl+3)[1:].reshape(-1,2).argmax(1)+1
lut[0] = 0

lut[lbl]
# array([[0, 0, 0, 0, 0, 0, 0],
#        [0, 0, 0, 0, 0, 0, 0],
#        [0, 1, 0, 0, 0, 0, 0],
#        [1, 1, 1, 0, 0, 2, 2],
#        [1, 1, 0, 0, 2, 2, 2],
#        [0, 1, 0, 0, 0, 2, 0],
#        [0, 0, 0, 0, 0, 0, 0]])