数组统计函数
ndimage提供一系列函数，可以计算标注后的数组的相关特征，比如最值、均值、均方根等。
下列函数，如果未作其他说明，那么就有3个参数，分别是(input, labels=None, index=None)，其中input为输入数组；labels为input的标签，形状和input相同；index为整数或者整数数列，为用于计算的label。
| 函数 |
物理量 |
函数 |
物理量 |
| mean |
平均值 |
center_of_mass |
质心 |
| maximum |
最大值 |
maximum_position |
最大值位置 |
| minimum |
最小值 |
minimum_position |
最小值位置 |
| median |
中位数 |
extrema |
最大值、最小值，及其位置 |
| sum_labels |
求和 |
|
|
| variance |
方差 |
standard_deviation |
标准差 |
示例如下
|
1
2
3
4
5
6
7
8
9
10
11
12
|
import numpy as np
import scipy.ndimage as sn
x = np.random.randint(10, size=(3,3))
print(x)
'''
[[0 3 5]
[9 3 1]
[1 5 7]]
'''
sn.center_of_mass(x) # (1.1470588235294117, 1.088235294117647)
sn.extrema(x) # (0, 9, (0, 0), (1, 0))
|
连通域标记
通过label函数，可以对数组中的连通区域进行标注，效果如下
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
from scipy.ndimage import label
import numpy as np
a = np.array([[0,0,1,1,0,0],
[0,0,0,1,0,0],
[1,1,0,0,1,0],
[0,0,0,1,0,0]])
labels, N = label(a)
print(labels)
'''
[[0 0 1 1 0 0]
[0 0 0 1 0 0]
[2 2 0 0 3 0]
[0 0 0 4 0 0]]
'''
print(N) 4
|
在label函数中，还有一个用于规范何为“连通”的参数，即structure，其数据类型为二值数组，其维度与输入的input相同。
在上面的示例中，连通域1,3,4尽管没有上下左右的联系，但在对角线上是有交集的，通过调整structure参数，可以提供一种将这三个区域连在一起的连通域方案。
|
1
2
3
4
5
6
7
8
9
|
stru = np.ones([3,3])
bLab, bN = label(a, stru)
print(bLab)
‘'‘
[[0 0 1 1 0 0]
[0 0 0 1 0 0]
[2 2 0 0 1 0]
[0 0 0 1 0 0]]
'‘'
|
可见，这次只选出了两组连通域。
连通域统计
前面提到的所有统计函数，形参都有三个，分别是input, labels, index，其中input为输入数组，labels为将要处理的连通域，index为准备处理的连通域序号。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
np.random.seed(42)
test = np.random.rand(5,5)
test[test<0.8] = 0
labels, N = sn.label(test)
print(N) # 2
print(labels) #
‘'‘
[[0 1 0 0 0]
[0 0 2 0 0]
[0 2 2 0 0]
[0 0 0 0 0]
[0 0 0 0 0]]
'‘'
print(test)
‘'‘
[[0. 0.95071431 0. 0. 0. ]
[0. 0. 0.86617615 0. 0. ]
[0. 0.96990985 0.83244264 0. 0. ]
[0. 0. 0. 0. 0. ]
[0. 0. 0. 0. 0. ]]
'‘'
|
接下来通过连通域统计函数，针对某个连通域进行计算
|
1
2
3
4
5
6
|
>>> sn.mean(test, labels, 1)
0.9507143064099162
>>> sn.mean(test, labels, 2)
0.8895095462457837
>>> sn.mean(test, labels, 0)
0.0
|
当index=1时，会找出labels中为1的位置，然后把test中这些位置的元素求平均。
|
