Python 删除三维阵列中低于阈值的连接组件
我正在用python开发3-D numpy数组，希望对CNN输出的脑肿瘤分割图像进行后处理。我们得到一个三维（208x208x155）numpy阵列，每个像素的值为0/1/2/4。我想删除阈值小于1000的已连接组件以获得更好的结果Python 删除三维阵列中低于阈值的连接组件,python,post-processing,numpy-ndarray,Python,Post Processing,Numpy Ndarray,我正在用python开发3-D numpy数组，希望对CNN输出的脑肿瘤分割图像进行后处理。我们得到一个三维（208x208x155）numpy阵列，每个像素的值为0/1/2/4。我想删除阈值小于1000的已连接组件以获得更好的结果 我尝试了腐蚀扩张，但没有得到好的结果。有人能帮我吗？好的，所以，正如你自己意识到的那样，收缩和增长不是解决这个问题的方法。您需要做的是，似乎有一种方法可以让您对nd图像这样做 我假设阈值小于1000表示连接组件中像素值的总和 下面是我将如何做的概要 from sci
我尝试了腐蚀扩张，但没有得到好的结果。有人能帮我吗？好的，所以，正如你自己意识到的那样，收缩和增长不是解决这个问题的方法。您需要做的是，似乎有一种方法可以让您对nd图像这样做 我假设阈值小于1000表示连接组件中像素值的总和 下面是我将如何做的概要
from scipy.ndimage import label
segmentation_mask = [...] # This should be your 3D mask.
# Let us create a binary mask.
# It is 0 everywhere `segmentation_mask` is 0 and 1 everywhere else.
binary_mask = segmentation_mask.copy()
binary_mask[binary_mask != 0] = 1
# Now, we perform region labelling. This way, every connected component
# will have their own colour value.
labelled_mask, num_labels = label(binary_mask)
# Let us now remove all the too small regions.
refined_mask = segmentation_mask.copy()
minimum_cc_sum = 1000
for label in range(num_labels):
if np.sum(refined_mask[labelled_mask == label]) < minimum_cc_sum:
refined_mask[labelled_mask == label] = 0
来自scipy.ndimage导入标签
分段遮罩=[…]#这应该是你的3D遮罩。
#让我们创建一个二进制掩码。
#“segmentation_mask”在任何地方都是0，在其他地方都是1。
二进制掩码=分段掩码.copy（）
二进制屏蔽[二进制屏蔽！=0]=1
#现在，我们执行区域标记。这样，每个连接的组件
#会有自己的色彩价值。
带标签的\u掩码，num\u labels=标签（二进制\u掩码）
#现在让我们删除所有太小的区域。
优化的屏蔽=分段屏蔽.copy（）
最小值=1000
对于范围内的标签（num_标签）：
如果np.sum（改进的屏蔽[Labeled\u mask==label]）<最小屏蔽：
优化的\u掩码[已标记的\u掩码==标签]=0