scipy.ndimage.measurements.label(input, structure=None, output=None)

input:輸入一個數組，數組中非0值被認為是目標區域，0值是背景區域

structure:可以用 scipy.ndimage.generate_binary_structure函數來規定連通域圖像的維度和連通域所需要的鄰域

output：If output is a data type, it specifies the type of the resulting labeled feature array If output is an array-like object, then output will be updated with the labeled features from this function. This function can operate in-place, by passing output=input. Note that the output must be able to store the largest label, or this function will raise an Exception.

?

輸出：

label:一個被已經分好連通域的label圖像：

num_feartures:統計一共有多少種連通分量的數量，例如數字5代表一共有5種，ID分別是1，2，3，4，5

當我使用前面的structure函數時，structure定義了連通分量的空間距離到底是幾鄰域的，下面的定義了8鄰域，所以在8鄰域內部的都被歸為1類連通分量，所以連通分量就由上面的4減少為2了：

如下：

總結

以上是生活随笔為你收集整理的python---之scipy.ndimage.measurements.label的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。