python - Python 3.x 中的 "bwlabeln (with 18 and 26-connected neighborhood)"相当于什么？

Question

我使用Matlab的bwlabeln来实现具有18连通邻域的三维连接词，如下代码:

[labeledImage, ~] = bwlabeln(maskImageVolume, 18); # maskImageVolume is 3D. e.g.:(200, 200, 126)

Python 中的等价物是:

from skimage import measure
labeledImage = measure.label(maskImageVolume, 8) 

但是，Matlab 中的 bwlabeln 支持三维连接词(具有 18 和 26 个连通邻域)，但 skimage.measure.label仅支持4-或8-“连接”。

什么相当于Python中18和26连通邻域的bwlabeln？

Answer 1

skimage.measure.label 的文档参数neighbors的状态:

neighbors : {4, 8}, int, optional
Whether to use 4- or 8-“connectivity”. In 3D, 4-“connectivity” means connected pixels have to share face, whereas with 8-“connectivity”, they have to share only edge or vertex.
Deprecated, use connectivity instead.

对于参数连接性:

connectivity : int, optional
Maximum number of orthogonal hops to consider a pixel/voxel as a neighbor. Accepted values are ranging from 1 to input.ndim. If None, a full connectivity of input.ndim is used.

这意味着，在 3D 中，连通性可以是 1、2 或 3，表示 6、18 或 26 个邻居。

回顾各个版本的文档，这个语法似乎是在 scikit-image 0.11 中引入的(0.10 没有)。

对于您的情况，有 18 个连接的邻居:

labeledImage = measure.label(maskImageVolume, connectivity=2)