Skimage 合并过度分割的区域答案

【问题标题】：Skimage merge over-segmented regionsSkimage 合并过度分割的区域
【发布时间】：2020-01-13 18:39:30
【问题描述】：

我正在尝试将此图像拆分为九个单独的区域（重叠的圆形区域）。由于圆圈重叠，我认为分水岭分割将是最好的方法。我按照 this scikit-image.org example 对我的图像执行该技术，图像被过度分割，我得到 10 个片段而不是 9 个片段，通过 ndi.labels 函数检查。

在 peak_local_max 函数中增加足迹的大小会引发分割不足的问题，所以我认为最好是过度分割，然后将应该是单个区域的区域组合起来。您可以在提供的输出中看到第八个圆圈被分成两个单独的区域。我使用 regionprops 函数来绘制边界框。

segmented_image_example.png

import matplotlib.pyplot as plt
from scipy import ndimage as ndi

from skimage import io, img_as_uint
from skimage.filters import median, threshold_minimum
from skimage.morphology import disk, square, closing, watershed
from skimage.feature import peak_local_max


image_bw = ('example_binary.tif')

distance = ndi.distance_transform_edt(image_bw)
local_maxi_disk10 = peak_local_max(distance, indices=False, 
                                   footprint=np.ones((400, 400)), 
                                   labels=image_bw)

markers, num_features = ndi.label(local_maxi_disk10)
labels = watershed(-distance, markers, mask=image_bw)
print('Number of features (ndi.label):', num_features)

fig, axes = plt.subplots(1, 3, figsize=(10, 4), sharex=True, sharey=True)
ax = axes.ravel()

ax[0].imshow(image_bw)
ax[0].set_title('Image Binary')
ax[1].imshow(-distance)
ax[1].set_title('Distances')
ax[2].imshow(labels)
ax[2].set_title('Separated objects')

for a in ax:
    a.set_axis_off()

plt.tight_layout()
plt.show()

最终目标是获取图像中属于每个单独圆圈的部分并将它们保存为自己的图像，因此要组合不完整的区域，我可以将它们的边界框加在一起。然而，似乎应该有一种方法可以组合来自 regionprops 的多个区域，甚至可能来自分水岭过程本身的不同标签。任何人都可以帮助我向正确的方向发送，以通过合并区域/标签来弄清楚如何做到这一点？我还将附上我使用的二进制图像。

example_binary.tif

【问题讨论】：

标签： python image-segmentation scikit-image watershed

【解决方案1】：

您可能可以使用Region Adjacency Graph (RAG)，然后根据某些标准合并节点[1][2][3]。但是，找到正确的标准通常很困难。

如果你想手工做，你可以用 NumPy 索引来做：

import numpy as np

def merge_labels(labels_image,
                 labels_to_merge,
                 label_after_merge):
    labels_map = np.arange(np.max(labels_image) + 1)
    labels_map[labels_to_merge] = label_after_merge
    return labels_map[labels_image]

【讨论】：