获取分割图像的最大连通组件

Question

我有一个CT扫描的分割图像（只有1和0值）。我使用skimage.measure中的“label”函数获取连接组件的ndarray。现在我需要从“label”输出（ndarray）中仅获取最大连接组件。你有任何想法如何做到这一点吗？

我的代码如下：

from skimage.measure import label    

def getLargestCC(segmentation):
    labels = label(segmentation)
    // now I need to get only the largest connected component and return it
return largestCC

非常感谢！

- Vipasana

---

你能发布“分割(segmentation)”的内容以供测试吗？ - Tiger-222

这是一个问题，因为它是一个图片文件，我不知道如何在这里的帖子中添加此类文件。实际上，这是一个我进行分割的图像文件，因此每个像素值在两个值之间的像素都为1，而其他像素都为0。 - Vipasana

Answer 1

Gilly的答案很有趣，但如果背景（标签=0）大于所研究的CC，则是错误的。Alaleh Rz的解决方案处理背景，但速度非常慢。通过采用Gilly提出的解决方案并消除背景问题：

吉利的答案虽然有趣，但如果背景（标签=0）比所研究的CC还要大，则是错误的。 Alaleh Rz 的解决方案解决了背景问题，但速度非常慢。通过采用吉利提出的方案并解决背景问题：

import numpy as np
from skimage.measure import label   

def getLargestCC(segmentation):
    labels = label(segmentation)
    assert( labels.max() != 0 ) # assume at least 1 CC
    largestCC = labels == np.argmax(np.bincount(labels.flat)[1:])+1
    return largestCC

- Vincent Agnus

Answer 2

我不确定你想要什么输出，是一个遮罩吗？

import numpy as np
from skimage.measure import label   

def getLargestCC(segmentation):
    labels = label(segmentation)
    largestCC = labels == np.argmax(np.bincount(labels.flat))
    return largestCC

Numpy的bincount函数将会计算每个标签出现的次数，而argmax函数将会告诉你其中哪一个是最大的。

- Gilly

Answer 3

OP的输入分割数据是二进制的，其中背景为0。因此，我们可以使用Vincent Agnus的np.bincount方法，但通过使用np.bincount的weights参数简化背景拒绝逻辑。 将weights = segmentation.flat设置为零以清除背景总和。

import numpy as np
from skimage.measure import label   

def getLargestCC(segmentation):
    labels = label(segmentation)
    largestCC = labels == np.argmax(np.bincount(labels.flat, weights=segmentation.flat))
    return largestCC

- P Tate

---

有趣的解决方案！ - Cris Luengo

Answer 4

以下函数提供了最大的连接分割，该分割不是背景。输入和输出的形状相同，可以是2D或3D图像。

import numpy as np
from skimage.measure import label

def getLargestCC(segmentation):
    labels = label(segmentation)
    unique, counts = np.unique(labels, return_counts=True)
    list_seg=list(zip(unique, counts))[1:] # the 0 label is by default background so take the rest
    largest=max(list_seg, key=lambda x:x[1])[0]
    labels_max=(labels == largest).astype(int)
    return labels_max

- Alaleh Rz

Answer 5

我试图找出如何停止skimage.measure.label将背景视为单独的区域。直到我遇到P Tate优雅的解决方案，我几乎开始查看skimage.measure.regionprops文档。下面是一个快速的图例，展示了如何使用建议的numpy.bincount的weights参数可以节省一些代码行。

import skimage
import numpy as np
import matplotlib.pyplot as plt

img_bw = img_as_bool(img)
labels = skimage.measure.label(img_bw, return_num=False)

maxCC_withbcg = labels == np.argmax(np.bincount(labels.flat))
maxCC_nobcg = labels == np.argmax(np.bincount(labels.flat, weights=img_bw.flat))

fig, ax = plt.subplots(1, 2)
ax[0].imshow(maxCC_withbcg), ax[0].set_title('counts bcg')
ax[1].imshow(maxCC_nobcg), ax[1].set_title('not counts bcg')
[axi.set_axis_off() for axi in ax.ravel()]

- San Askaruly

Answer 6

基于P Tate的解决方案，假设二进制分割掩码是bool类型，我们也可以使用该掩码仅将前景像素输入到np.bincount中，通过使用segmentation进行索引/掩蔽：

import numpy as np
from skimage.measure import label   

def largest_connected_component(segmentation):
    labels = label(segmentation)
    largest_cc = labels == np.argmax(np.bincount(labels[segmentation]))
    return largest_cc

- Niklas Netter