python :
我得到了一个分割图(2D numpy 数组),其中包含原始 img 的每个像素的类值(整数 0 到 N),我想在分割图中找到每个连接的簇的边界框坐标。
编辑: map 中每个类可能有多个集群!
我想我可以使用类似skimage.measure.label(seg_map, connectivity=1)
最佳答案
完整答案
有一个现有函数 scipy.ndimage.measurements.find_objects
allllmost 完全符合您的要求。需要 Numpy 和 scipy.ndimage.measurements.label
的一点帮助, 虽然:
import numpy as np
import scipy.ndimage.measurements as mnts
A = np.array([
[0, 0, 0, 0, 0, 0, 0],
[0, 1, 1, 0, 2, 2, 0],
[0, 1, 1, 0, 2, 2, 0],
[0, 0, 0, 0, 0, 0, 0],
[0, 4, 4, 0, 1, 1, 0],
[0, 4, 4, 0, 1, 1, 0],
[4, 0, 0, 0, 0, 0, 1]
])
structure = np.array([
[1,1,1],
[1,1,1],
[1,1,1]
])
bboxSlices = {}
for i in range(1, A.max() + 1):
B = A.copy()
B[B != i] = 0
bboxSlices[i] = mnts.find_objects(mnts.label(B, structure=structure)[0])
print(bboxSlices)
输出:
{1: [(slice(1, 3, None), slice(1, 3, None)),
(slice(4, 7, None), slice(4, 7, None))],
2: [(slice(1, 3, None), slice(4, 6, None))],
3: [],
4: [(slice(4, 7, None), slice(0, 3, None))]}
bboxSlices
字典中的每个条目都是一个元组列表。每个元组包含两个切片,一个行切片和一个列切片,每个切片定义一个围绕相应类的集群的边界框。
详情
label(...)
查找特征簇并用标签替换它们的值(例如,1 表示第一个簇,2 表示第二个簇,等等)。 find_objects(...)
然后找到每个标签周围的边界框。问题在于 label
将所有非零值视为“特征”。因此,对于每个类值 i
,我们需要一份 A
的副本,其中所有非 i
值都已清零。
structure
定义集群的连接性。如果您想要不沿对角线连接的集群,您可以使用不同的结构
:
structure = np.array([
[0,1,0],
[1,1,1],
[0,1,0]
])
简单回答
如果每个类只有 1 个集群,这很容易:
import numpy as np
A = np.array([
[0, 0, 0, 0, 0, 0, 0],
[0, 1, 1, 0, 2, 2, 0],
[0, 1, 1, 0, 2, 2, 0],
[0, 0, 0, 0, 0, 0, 0],
[0, 4, 4, 0, 3, 3, 0],
[0, 4, 4, 0, 3, 3, 0],
[0, 0, 0, 0, 0, 0, 0]
])
bboxCorners = {}
for i in range(1, A.max()+1):
B = np.argwhere(A==i)
bboxCorners[i] = B.min(0), B.max(0)
print(bboxCorners)
输出:
{1: (array([1, 1]), array([2, 2])),
2: (array([1, 4]), array([2, 5])),
3: (array([4, 4]), array([5, 5])),
4: (array([4, 1]), array([5, 2]))}
关于Python:获取分割图中每个簇的边界框坐标(2D numpy 数组),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49774179/