Image processing 如何使用scipy.ndimage查找最大连接区域？

我有一个二值图像。二值图像有一些像噪声这样的孤立区域。我知道预期区域比这些孤立区域大得多。因此，我使用连接的组件通过查找最大的连接区域来删除隔离区域。我必须使用scipy软件包。我发现它有一些功能。然而，我离结果还很远。如何使用这些函数获得可以忽略孤立区域的二值图像？谢谢

from scipy import ndimage
label_im, nb_labels = ndimage.label(binary_img)

# Find the largest connected component
sizes = ndimage.sum(binary_img, label_im, range(nb_labels + 1))
mask_size = sizes < 1000
remove_pixel = mask_size[label_im]
label_im[remove_pixel] = 0
labels = np.unique(label_im)
binary_img= np.searchsorted(labels, label_im)
#Select the biggest connected component
binary_img[binary_img < binary_img.max()]=0
binary_img[binary_img >= binary_img.max()]=1

从scipy导入ndimage
label\u im，nb\u labels=ndimage.label（二进制\u img）
#查找最大的连接组件
大小=ndimage.sum（二进制图像、标签图像、范围（nb标签+1））
遮罩尺寸=尺寸<1000
移除\u像素=遮罩大小[标签\u im]
标签\u im[移除\u像素]=0
标签=np.唯一（标签\u im）
二进制\u img=np.searchsorted（标签，标签\u im）
#选择最大的连接组件
二进制\u img[二进制\u img=二进制\u img.max（）]=1

您有了一个良好的开端，使用

ndimage.sum

查找每个标记区域的大小

从那里，您可以使用

大小
（或从中派生的内容）作为查找表：

from scipy import ndimage
label_im, nb_labels = ndimage.label(binary_img)
sizes = ndimage.sum(binary_img, label_im, range(nb_labels + 1))
mask = sizes > 1000
binary_img = mask[label_im]

这将创建一个查找表
mask
，该表针对与较大区域的标签相对应的索引创建
true
，并在其他位置创建
false
。使用带标签的图像索引到查找表会生成所需的二进制图像

请注意，
size[label\u im]
是一个图像，其中每个区域都绘制有其大小。也就是说，区域#1中的每个像素获得区域#1大小的值。您可以设置此图像的阈值以删除小区域：

size_img = sizes[label_im]
binary_img = size_img > 1000

（这两行相当于前面代码段的最后两行。）
我想找到一个具有最大连接组件的区域。那么，解决方案如何
mask=max（size）
？因为我不知道值
1000
。在某些图像中，隔离区域的大小可能大于1000@Jame：这将是
mask=size==max（size）
或类似的内容，仅适用于与最大元素一样大的元素。这可能是多个对象，如果它们的大小完全相同。