scipy.ndimage.measurements.find_objects()
从标签数据，确切地说是从打上标签的连通成分中，输出各个连通成分的最小边界框。
本博文先讲解find_objects()]的使用方法，并对输出数据进行详细解释；
然后，讲解如何修改find_objects()]的输出。

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])

输出

# 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()

注意事项：

find_objects()的输入须是按连通成分打过标签的数据。

输出解释：

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

输出的类型是元组list；
因为mask_lesion中有两个连通成分，所以list中有两个元组，分别代表两个连通成分的具体位置信息；
因为数据是三维的，所以每个元组有三个silice，分别对应z,x,y轴的下限和上限索引值，遵循索引得左闭右开性质。
e.g. (slice(0, 3, None), slice(1, 4, None), slice(1, 3, None))翻译过来就是[0:3,1:4,1:3 ]这样的索引。

2. 修改find_objects()的输出

查看slice类型和属性

print(slice)
print(dir(slice))

输出

<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，我们可以利用slice的后三个属性来读写对应的slice

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

输出

0
3
None

附：
Python slice() 函数
Python dir() 函数

scipy.ndimage.measurements.find_objects()相关推荐

scipy 图像处理（scipy.misc、scipy.ndimage）、matplotlib 图像处理
from scipy.misc import imread / imsave / imshow imresize / imrotate / imfilter 1. scipy.misc 下的图像处理 ...
图片操作scipy.ndimage.imread和scipy.misc.imresize
读图片str or file object--ndarray scipy.ndimage.imread(*args, **kwds) imread is deprecated! imread is d ...
scipy.ndimage.zoom上采样与下采样
插值 Bilinear interpolation would be order=1, nearest is order=0, and cubic is the default (order=3). ...
scipy.ndimage.filters.gaussian_filter()
scipy.ndimage.filters.gaussian_filter() 多维高斯滤波器 scipy.ndimage.filters.gaussian_filter(input, sigma, ...
scipy.ndimage.morphology
scipy.ndimage.morphology.generate_binary_structure scipy.ndimage.morphology.generate_binary_structur ...
scipy.ndimage.distance_transform_edt 和 cv2.distanceTransform用法
scipy.ndimage.distance_transform_edt 和 cv2.distanceTransform 的作用都是计算一张图上每个前景像素点到背景的最近距离. import cv2 ...
python 读png的值变了_python – 为什么scipy.ndimage.io.imread返回PngImageFile,而不是值数组...
您可能有一个不完整的Python成像库(PIL)安装,SciPy依赖它来读取图像. PIL依赖于libjpeg加载JPEG图像和libz来加载PNG图像,但是可以在没有任何图像的情况下安装(在这种情况 ...
【scipy】 scipy.ndimage 数学形态学（Mathematical morphology）
____tz_zs笔记形态学形态学(morphology)一词通常表示生物学的一个分支,该分支主要研究动植物的形态和结构.而我们图像处理中指的形态学,往往表示的是数学形态学. 数学形态学(Math ...
【Python基础】科学计算库Scipy简易入门
0.导语 Scipy是一个用于数学.科学.工程领域的常用软件包,可以处理插值.积分.优化.图像处理.常微分方程数值解的求解.信号处理等问题.它用于有效计算Numpy矩阵,使Numpy和Scipy协同工 ...
【机器学习基础】Scipy（科学计算库）手把手手把手
0.导语 Scipy是一个用于数学.科学.工程领域的常用软件包,可以处理插值.积分.优化.图像处理.常微分方程数值解的求解.信号处理等问题.它用于有效计算Numpy矩阵,使Numpy和Scipy协同工 ...

scipy.ndimage.measurements.find_objects()