如何獲得在python中給定像素標籤的對象邊界框？

Question

假設我有一個場景解析映射的圖像，這個場景解析映射中的每個像素指示這個像素屬於哪個對象。現在我想要獲得每個對象的邊界框，我該如何在python中實現它？ 對於一個具體例子，說我有一個場景分析圖是這樣的：

0 0 0 0 0 0 0 
0 1 1 0 0 0 0 
1 1 1 1 0 0 0 
0 0 1 1 1 0 0 
0 0 1 1 1 0 0 
0 0 0 0 0 0 0 
0 0 0 0 0 0 0 

所以邊框是：

0 0 0 0 0 0 0 
1 1 1 1 1 0 0 
1 0 0 0 1 0 0 
1 0 0 0 1 0 0 
1 1 1 1 1 0 0 
0 0 0 0 0 0 0 
0 0 0 0 0 0 0 

其實，在我的任務，只知道這個寬度和高度對象就夠了。

一個基本的想法是在場景解析圖中從上，下，左，右方向搜索四條邊。但是圖像中可能存在很多小物體，這種方式並不具有時間效率。

第二種方法是計算所有非零元素的座標並找出最大/最小x/y。然後使用這些x和y來計算重量和高度。

有沒有其他更有效的方法來做到這一點？謝謝。

Answer 1

如果你正在處理圖像，你可以使用scipy的ndimage庫。

如果只有一個對象的圖像中，你可以得到scipy.ndimage.measurements.find_objects測量（http://docs.scipy.org/doc/scipy-0.16.1/reference/generated/scipy.ndimage.measurements.find_objects.html）：

import numpy as np 
from scipy import ndimage 
a = np.array([[0, 0, 0, 0, 0, 0, 0], 
       [0, 1, 1, 0, 0, 0, 0], 
       [1, 1, 1, 1, 0, 0, 0], 
       [0, 0, 1, 1, 1, 0, 0], 
       [0, 0, 1, 1, 1, 0, 0], 
       [0, 0, 0, 0, 0, 0, 0], 
       [0, 0, 0, 0, 0, 0, 0]]) 

# Find the location of all objects 
objs = ndimage.find_objects(a) 

# Get the height and width 
height = int(objs[0][0].stop - objs[0][0].start) 
width = int(objs[0][1].stop - objs[0][1].start) 

如果在圖像中許多對象，你首先必須標記每個對象，然後得到的測量：

import numpy as np 
from scipy import ndimage 
a = np.array([[0, 0, 0, 0, 0, 0, 0], 
       [0, 1, 1, 0, 0, 0, 0], 
       [1, 1, 1, 1, 0, 0, 0], 
       [0, 0, 1, 1, 1, 0, 0], 
       [0, 0, 1, 1, 1, 0, 0], 
       [0, 0, 0, 0, 0, 0, 0], 
       [0, 0, 1, 1, 1, 0, 0]]) # Second object here 
# Label objects 
labeled_image, num_features = ndimage.label(a) 
# Find the location of all objects 
objs = ndimage.find_objects(labeled_image) 
# Get the height and width 
measurements = [] 
for ob in objs: 
    measurements.append((int(ob[0].stop - ob[0].start), int(ob[1].stop - ob[1].start))) 

如果檢查ndimage.measurements，你可以得到更多的測量：質量，區域的中心......

Answer 2

使用numpy的：更

import numpy as np 

ind = np.nonzero(arr.any(axis=0))[0] # indices of non empty columns 
width = ind[-1] - ind[0] + 1 
ind = np.nonzero(arr.any(axis=1))[0] # indices of non empty rows 
height = ind[-1] - ind[0] + 1 

說明一下：

arr.any(axis=0)給出了一個布爾數組，告訴您如果列是空的（False）否（True）。 np.nonzero(arr.any(axis=0))[0]然後從該數組中提取非零（即True）索引。 ind[0]是該數組的第一個元素，因此最左列非空列和ind[-1]是最後一個元素，因此是最右側非空列。然後差異給出寬度，取決於是否包含邊框。 高度相似的東西，但在另一個軸上。