python - 找到分割区域的最大值

Question

我有 2 张相同尺寸的 3D 灰度图像。

第一个图像 (img) 是 3D 体积的原始数据(使用显微镜获得)并包含各种细胞。 Example slice of raw 3d image

第二张图片 (imglab) 是原始图片的蒙版版本，其中每个已识别的单元格都填充了一个唯一的值(即单元格 1 = 全 1，单元格 2 = 全 2) .所有非单元格区域都是零。 Example slice of masked 3d image

我现在试图从原始数据中找到每个单元格的最大值的坐标，该坐标对应于标记的掩码数组。

目前，我有一个非常低效的循环。我怀疑有一种方法可以使用单个 np.where 调用来设置多个条件，但我不知道该怎么做。当前的for循环方法如下:

coordinates = []
for i in range(1, int(imglab.max())): # Number of cells = max value of label image
    max_val = np.max(img[imglab == i])
    max_coord = np.where((img == max_val) & (imglab == i))
    coordinates.append(max_coord)

Answer 1

当很难找到一种高效且与 numpy 兼容的编码方式，但是当带有 for 循环的代码很简单时，您可以使用 njit from numba.

它最适合处理平面数组，所以首先让我们在 numba 中编写一个函数来执行您所要求的，但在 1d 中:

from numba import njit, int64

@njit
def fast_max_flat(img_flat, imglab_flat):
    n_cells =int(imglab_flat.max())  # number of cells
    max_values = np.full(n_cells, - np.inf)  # stores the n_cells max values seen so far
    max_coords = np.zeros(n_cells, dtype=int64)  # stores the corresponding coordinate
    n_pixels = len(img)
    for i in range(n_pixels):
        label = imglab_flat[i]
        value = img_flat[i]
        if max_values[label] < value:
            max_values[label] = value
            max_coords[label] = i
    return max_coords

然后编写一个 python 包装器来分解数组，应用前面的函数，并将坐标作为列表检索:

def wrapper(img, imglab):
    dim = img.shape
    coords = fast_max_flat(img.ravel(), imglab.ravel())
    return [np.unravel_index(coord, dim) for coord in coords]

在我的机器上，使用包含 3 个细胞的 100 x 100 x 100 图像，这比您的方法快约 50 倍。