skimage求凸包、包络

使用Python和skimage计算图像分割标签的凸包和包络应用,

最新推荐文章于 2025-05-20 16:28:04 发布

原创最新推荐文章于 2025-05-20 16:28:04 发布 · 387 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#skimage #python #凸包 #包络 #图形学

机器学习专栏收录该内容

121 篇文章

订阅专栏

本文介绍了如何使用MedPy库和Scikit-image在医学图像分割中计算物体的凸包和包络，以及它们在MaskedDiceLoss中的应用，展示了如何将结果可视化。

给一幅分割 label，求某个物体的凸包（convex hull）^[1]和包络（polygon）^[2]，所得是一幅 0/1 的 mask。凸包、包络都是包含物体的，分别在于包络不要求凸，可以更细致地勾勒物体形状。例：

obj-poly-chull
从左到右：此物体的 segmentation mask、包络 mask、凸包 mask。包络、凸包两 mask 或可用于 masked dice loss^[3]。

Code

包络：skimage.draw.polygon
凸包：skimage.morphology.convex_hull_image

import numpy as np
import medpy.io as medio
from PIL import Image
import skimage

# 读一幅 seg label
label, _ = medio.load("test/ctpelvic1k/dataset5_1411226_Image_mask_4label.nii.gz")
print(label.shape, label.min(), label.max(), label.dtype) # (512, 512, 175) 0 4 uint16
lab = label[:, :, 100]

# object seg mask
lab_bin = (lab > 0).astype(np.uint8) * 255

# polygon
px, py = np.where(lab > 0)
rr, cc = skimage.draw.polygon(px, py)
polygon = np.zeros_like(lab, dtype=np.uint8)
polygon[rr, cc] = 255

# convex hull
chull = skimage.morphology.convex_hull_image(lab_bin)
print(chull.shape, chull.min(), chull.max(), chull.dtype) # (512, 512) False True bool
chull = chull.astype(np.uint8) * 255

# 一并展示
comb = np.concatenate([lab_bin, polygon, chull], axis=1)
Image.fromarray(comb).save("test.png")