scipy.ndimage.find_objects¶

scipy.ndimage.find_objects(input, max_label=0)[源代码]¶

在带标签的数组中查找对象。

参数

inputNdarray of Ints(整型计算机): 包含由不同标签定义的对象的数组。值为0的标签将被忽略。
max_label整型，可选: 要在中搜索的最大标签数 input 。如果没有给定max_label，则返回所有对象的位置。

退货

object_slices元组列表: 元组列表，每个元组包含N个切片(其中N是输入数组的维数)。切片对应于包含对象的最小平行六面体。如果缺少数字，则返回NONE而不是切片。

参见

label, center_of_mass

注意事项

此功能对于隔离3-D阵列内不能“透视”的感兴趣的体积非常有用。

示例

>>> from scipy import ndimage
>>> a = np.zeros((6,6), dtype=int)
>>> a[2:4, 2:4] = 1
>>> a[4, 4] = 1
>>> a[:2, :3] = 2
>>> a[0, 5] = 3
>>> a
array([[2, 2, 2, 0, 0, 3],
       [2, 2, 2, 0, 0, 0],
       [0, 0, 1, 1, 0, 0],
       [0, 0, 1, 1, 0, 0],
       [0, 0, 0, 0, 1, 0],
       [0, 0, 0, 0, 0, 0]])
>>> ndimage.find_objects(a)
[(slice(2, 5, None), slice(2, 5, None)), (slice(0, 2, None), slice(0, 3, None)), (slice(0, 1, None), slice(5, 6, None))]
>>> ndimage.find_objects(a, max_label=2)
[(slice(2, 5, None), slice(2, 5, None)), (slice(0, 2, None), slice(0, 3, None))]
>>> ndimage.find_objects(a == 1, max_label=2)
[(slice(2, 5, None), slice(2, 5, None)), None]

>>> loc = ndimage.find_objects(a)[0]
>>> a[loc]
array([[1, 1, 0],
       [1, 1, 0],
       [0, 0, 1]])

scipy.ndimage.extrema

scipy.ndimage.histogram