scipy.ndimage.

distance_transform_bf#

scipy.ndimage.distance_transform_bf(input, metric='euclidean', sampling=None, return_distances=True, return_indices=False, distances=None, indices=None)[原始碼]#

透過暴力演算法計算距離轉換函式。

此函式計算 input 的距離轉換，方法是將每個前景（非零）元素替換為其到背景（任何零值元素）的最短距離。

除了距離轉換之外，還可以計算特徵轉換。在這種情況下，會傳回一個獨立陣列，其中包含每個前景元素最接近的背景元素的索引。

參數:

inputarray_like: 輸入
metric{‘euclidean’, ‘taxicab’, ‘chessboard’}, optional: ‘cityblock’ 和 ‘manhattan’ 也有效，並對應到 ‘taxicab’。預設值為 ‘euclidean’。
samplingfloat, 或 float 序列, optional: 僅當 metric 為 ‘euclidean’ 時才使用此參數。沿每個維度的元素間距。如果是序列，則長度必須等於輸入的 rank；如果是單個數字，則用於所有軸。如果未指定，則表示單位網格間距。
return_distancesbool, optional: 是否計算距離轉換。預設值為 True。
return_indicesbool, optional: 是否計算特徵轉換。預設值為 False。
distancesndarray, optional: 用於儲存計算出的距離轉換的輸出陣列，而不是傳回它。return_distances 必須為 True。它必須與 input 具有相同的形狀，如果 metric 為 ‘euclidean’，則類型必須為 float64，否則為 uint32。
indicesint32 ndarray, optional: 用於儲存計算出的特徵轉換的輸出陣列，而不是傳回它。return_indicies 必須為 True。其形狀必須為 (input.ndim,) + input.shape。

傳回值:

distancesndarray, optional: 計算出的距離轉換。僅當 return_distances 為 True 且未提供 distances 時傳回。它將具有與輸入陣列相同的形狀。
indicesint32 ndarray, optional: 計算出的特徵轉換。它為輸入的每個維度都有一個輸入形狀的陣列。有關範例，請參閱 distance_transform_edt 文件。僅當 return_indices 為 True 且未提供 indices 時傳回。

另請參閱

distance_transform_cdt: 用於計程車和棋盤度量的更快速距離轉換
distance_transform_edt: 用於歐幾里得度量的更快速距離轉換

註解

此函式採用緩慢的暴力演算法。另請參閱函式 distance_transform_cdt 以獲得更有效率的計程車 [1] 和棋盤演算法 [2]。

參考文獻

[1]

計程車距離。維基百科，2023 年。https://en.wikipedia.org/wiki/Taxicab_geometry

[2]

棋盤距離。維基百科，2023 年。https://en.wikipedia.org/wiki/Chebyshev_distance

範例

匯入必要的模組。

>>> import numpy as np
>>> from scipy.ndimage import distance_transform_bf
>>> import matplotlib.pyplot as plt
>>> from mpl_toolkits.axes_grid1 import ImageGrid

首先，我們建立一個玩具二元影像。

>>> def add_circle(center_x, center_y, radius, image, fillvalue=1):
...     # fill circular area with 1
...     xx, yy = np.mgrid[:image.shape[0], :image.shape[1]]
...     circle = (xx - center_x) ** 2 + (yy - center_y) ** 2
...     circle_shape = np.sqrt(circle) < radius
...     image[circle_shape] = fillvalue
...     return image
>>> image = np.zeros((100, 100), dtype=np.uint8)
>>> image[35:65, 20:80] = 1
>>> image = add_circle(28, 65, 10, image)
>>> image = add_circle(37, 30, 10, image)
>>> image = add_circle(70, 45, 20, image)
>>> image = add_circle(45, 80, 10, image)

接下來，我們設定圖形。

>>> fig = plt.figure(figsize=(8, 8))  # set up the figure structure
>>> grid = ImageGrid(fig, 111, nrows_ncols=(2, 2), axes_pad=(0.4, 0.3),
...                  label_mode="1", share_all=True,
...                  cbar_location="right", cbar_mode="each",
...                  cbar_size="7%", cbar_pad="2%")
>>> for ax in grid:
...     ax.axis('off')  # remove axes from images

左上角的影像為原始二元影像。

>>> binary_image = grid[0].imshow(image, cmap='gray')
>>> cbar_binary_image = grid.cbar_axes[0].colorbar(binary_image)
>>> cbar_binary_image.set_ticks([0, 1])
>>> grid[0].set_title("Binary image: foreground in white")

距離轉換根據距離度量計算前景像素與影像背景之間的距離。distance_transform_bf 中可用的度量為：euclidean (預設值)、taxicab 和 chessboard。右上角的影像包含基於 euclidean 度量的距離轉換。

>>> distance_transform_euclidean = distance_transform_bf(image)
>>> euclidean_transform = grid[1].imshow(distance_transform_euclidean,
...                                      cmap='gray')
>>> cbar_euclidean = grid.cbar_axes[1].colorbar(euclidean_transform)
>>> colorbar_ticks = [0, 10, 20]
>>> cbar_euclidean.set_ticks(colorbar_ticks)
>>> grid[1].set_title("Euclidean distance")

左下角的影像包含使用 taxicab 度量的距離轉換。

>>> distance_transform_taxicab = distance_transform_bf(image,
...                                                    metric='taxicab')
>>> taxicab_transformation = grid[2].imshow(distance_transform_taxicab,
...                                         cmap='gray')
>>> cbar_taxicab = grid.cbar_axes[2].colorbar(taxicab_transformation)
>>> cbar_taxicab.set_ticks(colorbar_ticks)
>>> grid[2].set_title("Taxicab distance")

最後，右下角的影像包含使用 chessboard 度量的距離轉換。

>>> distance_transform_cb = distance_transform_bf(image,
...                                               metric='chessboard')
>>> chessboard_transformation = grid[3].imshow(distance_transform_cb,
...                                            cmap='gray')
>>> cbar_taxicab = grid.cbar_axes[3].colorbar(chessboard_transformation)
>>> cbar_taxicab.set_ticks(colorbar_ticks)
>>> grid[3].set_title("Chessboard distance")
>>> plt.show()

../../_images/scipy-ndimage-distance_transform_bf-1.png