Python 快速获取给定连接组件的所有点

Scikit Image有很多方法可用于斑点检测：

高斯拉普拉斯（对数）

高斯差分（DoG）

黑森行列式（DoH）

这三个函数都返回一个数组，该数组在找到的组件的边界内包含一个点：

>>> from skimage import data, feature
>>> img = data.coins()
>>> feature.blob_doh(img)
array([[ 121.        ,  271.        ,   30.        ],
       [ 123.        ,   44.        ,   23.55555556],
       [ 123.        ,  205.        ,   20.33333333],
       [ 124.        ,  336.        ,   20.33333333],
       [ 126.        ,  101.        ,   20.33333333],
       [ 126.        ,  153.        ,   20.33333333],
       [ 156.        ,  302.        ,   30.        ],
       [ 185.        ,  348.        ,   30.        ],
       [ 192.        ,  212.        ,   23.55555556],
       [ 193.        ,  275.        ,   23.55555556],
       [ 195.        ,  100.        ,   23.55555556],
       [ 197.        ,   44.        ,   20.33333333],
       [ 197.        ,  153.        ,   20.33333333],
       [ 260.        ,  173.        ,   30.        ],
       [ 262.        ,  243.        ,   23.55555556],
       [ 265.        ,  113.        ,   23.55555556],
       [ 270.        ,  363.        ,   30.        ]])

我想使用这些信息生成包含给定组件中所有点坐标的列表

---

我可以自己从种子开始遍历整个图像，然后收集dict中的所有点，关键点是blob检测提供的点，但是我想如果我不使用cython，它会很慢（我非常愿意在这方面出错，因为我对python还相当陌生）。更真实地说，我只是认为可能有一种比自己做更好的方法。

水滴探测器返回一个质心和一个半径（或一些相关数量），因此您可以轻松地迭代中心并计算其中包含的所有坐标（每个质心一个矢量化操作）。如果你有一个合理数量的质心，它应该不会太慢！我没有从文档中意识到第三类是半径，我只是假设它是一些置信量（现在我把它打印出来听起来很傻）。感谢blob检测器返回一个质心和一个半径（或一些相关的量），因此您可以轻松地迭代中心并计算其中包含的所有坐标（每个质心一个矢量化操作）。如果你有一个合理数量的质心，它应该不会太慢！我没有从文档中意识到第三类是半径，我只是假设它是一些置信量（现在我把它打印出来听起来很傻）。谢谢