如何使用scipy.ndimage找到最大的连通地域？

Question

我有一个二进制图像。二值图像有一些像噪声一样的孤立区域。我知道预期的区域比这些孤立的区域要大得多。因此，我使用连通分量通过找到最大的连通区域来删除隔离区域。我必须使用scipy包。我发现它有一些功能可以做到这一点。然而，我仍然在遥远的结果。如何使用这些函数获取可以忽略隔离区域的二进制镜像？谢谢

from scipy import ndimage
label_im, nb_labels = ndimage.label(binary_img)

# Find the largest connected component
sizes = ndimage.sum(binary_img, label_im, range(nb_labels + 1))
mask_size = sizes < 1000
remove_pixel = mask_size[label_im]
label_im[remove_pixel] = 0
labels = np.unique(label_im)
binary_img= np.searchsorted(labels, label_im)
#Select the biggest connected component
binary_img[binary_img < binary_img.max()]=0
binary_img[binary_img >= binary_img.max()]=1

Answer 1

您已经有了一个很好的开始，可以使用ndimage.sum查找每个标记区域的大小。

在那里，您可以使用sizes (或从它派生的内容)作为查找表：

from scipy import ndimage
label_im, nb_labels = ndimage.label(binary_img)
sizes = ndimage.sum(binary_img, label_im, range(nb_labels + 1))
mask = sizes > 1000
binary_img = mask[label_im]

这将创建一个查找表mask，对于与较大区域的标签相对应的索引，该表为true，对于其他地方为false。使用标记的图像索引到查找表中产生所需的二进制图像。

请注意，sizes[label_im]是一个图像，其中每个区域都使用其大小绘制。也就是说，region #1中的每个像素都会获得region #1的大小值。您可以设置此图像的阈值，以删除较小的区域：

size_img = sizes[label_im]
binary_img = size_img > 1000

(这两行相当于前面代码片段的最后两行。)