3.5.2. 连通区域标记¶
在二值图像中，如果两个像素点相邻且值相同（同为0或同为1），那么就认为这两个像素点在一个相互连通的区域内。而同一个连通区域的所有像素点，都用同一个数值来进行标记，这个过程就叫连通区域标记。在判断两个像素是否相邻时，我们通常采用4连通或8连通判断。在图像中，最小的单位是像素，每个像素周围有8个邻接像素，常见的邻接关系有2种：4邻接与8邻接。4邻接一共4个点，即上下左右，如下左图所示。8邻接的点一共有8个，包括了对角线位置的点，如下右图所示。
在skimage包中，我们采用measure子模块下的label（）函数来实现连通区域标记。
函数格式：
skimage.measure.label（image,connectivity=None)
参数中的image表示需要处理的二值图像，connectivity表示连接的模式，1代表4邻接，2代表8邻接。
输出一个标记数组（labels), 从0开始标记。
>>> import numpy as np
>>> import scipy.ndimage as ndi
>>> from skimage import measure,color
>>> import matplotlib.pyplot as plt
>>>
>>> #编写一个函数来生成原始二值图像
>>> def microstructure(l=256):
>>> n = 5
>>> x, y = np.ogrid[0:l, 0:l] #生成网络
>>> mask = np.zeros((l, l))
>>> generator = np.random.RandomState(1) #随机数种子
>>> points = l * generator.rand(2, n**2)
>>> mask[(points[0]).astype(np.int), (points[1]).astype(np.int)] = 1
>>> mask = ndi.gaussian_filter(mask, sigma=l/(4.*n)) #高斯滤波
>>> return mask > mask.mean()
>>>
>>> data = microstructure(l=128)*1 #生成测试图片
>>>
>>> labels=measure.label(data,connectivity=2) #8连通区域标记
>>> dst=color.label2rgb(labels) #根据不同的标记显示不同的颜色
>>> print('regions number:',labels.max()+1) #显示连通区域块数(从0开始标记)
>>>
>>> fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(8, 4))
>>> ax1.imshow(data, plt.cm.gray, interpolation='nearest')
>>> ax1.axis('off')
>>> ax2.imshow(dst,interpolation='nearest')
>>> ax2.axis('off')
>>>
>>> fig.tight_layout()
>>> plt.show()
regions number: 9
在代码中，有些地方乘以1，则可以将bool数组快速地转换为int数组。
结果如图：有10个连通的区域，标记为0-9
如果想分别对每一个连通区域进行操作，比如计算面积、外接矩形、凸包面积等，则需要调用measure子模块的regionprops（）函数。该函数格式为：
skimage.measure.regionprops(label_image)
返回所有连通区块的属性列表，常用的属性列表如下表：
属性名称
类型
描述
area
int
区域内像素点总数
bbox
tuple
边界外接框(min_row, min_col, max_row, max_col)
centroid
array
质心坐标
convex_area
int
凸包内像素点总数
convex_image
ndarray
和边界外接框同大小的凸包
coords
ndarray
区域内像素点坐标
Eccentricity
float
离心率
equivalent_diameter
float
和区域面积相同的圆的直径
euler_number
int
区域欧拉数
extent
float
区域面积和边界外接框面积的比率
filled_area
int
区域和外接框之间填充的像素点总数
perimeter
float
区域周长
label
int
区域标记