scipy.ndimage.

distance_transform_cdt

scipy.ndimage.distance_transform_cdt(input, metric='chessboard', return_distances=True, return_indices=False, distances=None, indices=None)

用於倒角類型變換的距離變換。

此函數計算 input 的距離變換，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。

除了距離變換之外，還可以計算特徵變換。在這種情況下，最接近每個前景元素的背景元素的索引會在一個單獨的陣列中返回。

參數:

input類陣列

輸入。值 0 被視為背景。

metric{‘chessboard’, ‘taxicab’} 或 類陣列，選填

metric 決定了倒角的類型。如果 metric 等於 ‘taxicab’，則會使用平方距離等於 1 的 generate_binary_structure 生成一個結構。如果 metric 等於 ‘chessboard’，則會使用平方距離等於陣列維度的 generate_binary_structure 生成一個 metric。這些選擇對應於二維中 ‘taxicab’ 和 ‘chessboard’ 距離度量的常見解釋。可以提供自訂的 metric，形式為每個維度長度為三的矩陣。‘cityblock’ 和 ‘manhattan’ 也有效，並映射到 ‘taxicab’。預設值為 ‘chessboard’。

return_distancesbool，選填

是否計算距離變換。預設值為 True。

return_indicesbool，選填

是否計算特徵變換。預設值為 False。

distancesint32 ndarray，選填

用於儲存計算出的距離變換的輸出陣列，而不是返回它。return_distances 必須為 True。它必須與 input 具有相同的形狀。

indicesint32 ndarray，選填

用於儲存計算出的特徵變換的輸出陣列，而不是返回它。return_indicies 必須為 True。其形狀必須為 (input.ndim,) + input.shape。

返回:

distancesint32 ndarray，選填

計算出的距離變換。僅當 return_distances 為 True 且未提供 distances 時返回。它將具有與輸入陣列相同的形狀。

indicesint32 ndarray，選填

計算出的特徵變換。它對於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 時返回。

另請參閱

distance_transform_edt

用於歐幾里得度量的快速距離變換

distance_transform_bf

使用較慢的暴力演算法對不同度量進行距離變換

範例

在您的瀏覽器中試試看！

導入必要的模組。

>>> import numpy as np
>>> from scipy.ndimage import distance_transform_cdt
>>> 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=(5, 15))
>>> grid = ImageGrid(fig, 111, nrows_ncols=(3, 1), axes_pad=(0.5, 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')
>>> top, middle, bottom = grid
>>> colorbar_ticks = [0, 10, 20]

頂部影像包含原始二元影像。

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

中間影像包含使用 taxicab 度量的距離變換。

>>> distance_taxicab = distance_transform_cdt(image, metric="taxicab")
>>> taxicab_transform = middle.imshow(distance_taxicab, cmap='gray')
>>> cbar_taxicab = middle.cax.colorbar(taxicab_transform)
>>> cbar_taxicab.set_ticks(colorbar_ticks)
>>> middle.set_title("Taxicab metric")

底部影像包含使用 chessboard 度量的距離變換。

>>> distance_chessboard = distance_transform_cdt(image,
...                                              metric="chessboard")
>>> chessboard_transform = bottom.imshow(distance_chessboard, cmap='gray')
>>> cbar_chessboard = bottom.cax.colorbar(chessboard_transform)
>>> cbar_chessboard.set_ticks(colorbar_ticks)
>>> bottom.set_title("Chessboard metric")
>>> plt.tight_layout()
>>> plt.show()

返回在新分頁中開啟