在标签图中的分段周围获取边界框的最快方法

Question

3D标签图是矩阵，其中每个像素（体素）都有一个整数标签。这些值应该是连续的，这意味着标记为k的分段不会被分段。

给出这样的标签图（分段），在Python中获取围绕每个分段的最小边界框的坐标的最快方法是什么？

我尝试了以下操作：

• 使用多索引迭代器（来自numpy.nditer）遍历矩阵并构造一个反向索引字典。这意味着对于每个标签，您将获得该标签所在的每个体素的3个坐标。
• 对于每个标签，获取每个坐标的最大值和最小值。

好处是，您可以在一O（N）次通过中获得所有位置信息。不好的是，我不需要此详细信息。我只需要四肢，所以可能会使用一些numpy函数来执行此操作，该方法比许多附加列表要快。有什么建议吗？

一次通过矩阵在我的计算机上花费了大约8秒钟，因此摆脱它非常好。为了对数据有所了解，标签图中有数百个标签。标签图的大小可以是700x300x30或300x300x200或类似的尺寸。

编辑：现在，每个标签的每个坐标仅存储更新的最大值和最小值。这样就无需维护和存储所有这些大列表（追加）。

Answer 1

如果我正确理解了您的问题，则有几组体素，并且您希望在每个轴上都有一组的极限。

让我们定义：

• arr：3D整数标签数组

• labels：标签列表（整数0..labmax）

代码：

import numpy as np

# number of highest label:
labmax = np.max(labels)

# maximum and minimum positions along each axis (initialized to very low and high values)
b_first = np.iinfo('int32').min * np.ones((3, labmax + 1), dtype='int32')
b_last = np.iinfo('int32').max * np.ones((3, labmax + 1), dtype='int32')

# run through all of the dimensions making 2D slices and marking all existing labels to b
for dim in range(3):
    # create a generic slice object to make the slices
    sl = [slice(None), slice(None), slice(None)]

    bf = b_first[dim]
    bl = b_last[dim]

    # go through all slices in this dimension
    for k in range(arr.shape[dim]):
        # create the slice object
        sl[dim] = k
        # update the last "seen" vector
        bl[arr[sl].flatten()] = k

        # if we have smaller values in "last" than in "first", update
        bf[:] = np.clip(bf, None, bl)

此操作后，我们有六个向量给出每个轴的最小和最大索引。例如，沿标签13的第二轴的边界值为b_first[1][13]和b_last[1][13]。如果缺少某些标签，则所有对应的b_first和b_last将是最大int32值。

我在计算机上尝试过，对于（300,300,200）数组，大约需要1秒钟才能找到值。