Python 如何最好地应用`skimage.util.apply_parallel`删除大型数据集中的小对象？

作为一个例子，我想实现一个裁剪功能，从周围环境中提取每颗牙齿。 为此，我使用了

scipy.ndimage.find_对象（阈值化的_数据）[0]

并遵循中概述的内容

为了从完整数据集中可靠地提取牙齿，我需要在使用

find\u object

提取牙齿之前，从阈值数据中删除小对象。 我是通过努力做到这一点的

def裁剪器（图像，阈值=66）： 阈值=图像>阈值 despeckled=撇除。形态学。移除小对象（阈值化，最小大小=500） cropdimensions=scipy.ndimage.find_对象（去斑）[0] 返回（图像[cropdimensions]） 我的数据集非常大（每个数据集的大小约为4000 x 1632 x 1632体素），我正在使用

dask

在磁盘上存储完整数据集的表示。 因此，为了使上述功能正常工作，我必须在开始时故意使用

.compute（）

，将完整的数据集加载到RAM中。 我想我应该能够应用

skimage.util.apply_parallel

函数来加快我的处理速度（并使它能够在内存不足196 GB的机器上运行，幸运的是，我拥有这台机器）

如果我正确地阅读了文档，似乎我可以“简单地”扩展我的函数并使用下面的代码

def裁剪器（图像，阈值=66）： 阈值=图像>阈值 despeckled=skimage.util.apply_parallel（skimage.形态学.remove_小对象， 阈值， 额外_关键字={'min_size'：500}） cropdimensions=skimage.util.apply_parallel（scipy.ndimage.find_对象， 阈值化） cropdimensions=cropdimensions[0] 返回（图像[cropdimensions]） 但是我得到了一个

属性错误

，

“list”对象没有属性“dtype”

。 如果我移除

find_objects

，我就可以像这样取出去除斑点的图像

def裁剪器（图像，阈值=66）： 阈值=图像>阈值 despeckled=skimage.util.apply_parallel（skimage.形态学.remove_小对象， 阈值， 额外_关键字={'min_size'：500}） 返回（去斑）

---

在一段时间的调试后，我不能在同一个函数中使用两个连续的

应用\u parallel

s吗？

；显然，您不能，因为您没有使用

skimage

查找对象！ 如果您将相关行更改为

cropdimensions=scipy.ndimage.find_objects（despeckled）[0]

它按预期工作，您真傻