从 scikit-image 中提取特征周长坐标

如何解决从 scikit-image 中提取特征周长坐标

我希望提取特征周长的坐标。我的意图是使用这些坐标为 .tif 图像中的所有感兴趣的特征找到最近的边到边欧几里德距离。我对 scikit-image 比较陌生，想知道是否可以使用 https://scikit-image.org/docs/dev/api/skimage.measure.html#skimage.measure.regionprops 提供的选项来完成？

我能够从 skimage.measure.regionprops 中提取填充区域二进制布尔矩阵。

 [[False False  True  True  True False False False False False]
 [False False  True  True  True  True  True  True False False]
 [False False  True  True  True  True  True  True False False]
 [False False  True  True  True  True  True  True  True False]
 [False False False  True  True  True  True  True  True  True]
 [False  True  True  True  True  True  True  True  True  True]
 [False  True  True  True  True  True  True  True  True  True]
 [ True  True  True  True  True  True  True  True  True  True]
 [ True  True  True  True  True  True  True  True  True  True]
 [False  True  True  True  True  True  True  True  True  True]
 [False  True  True  True  True  True  True  True  True  True]
 [False  True  True  True  True  True  True  True  True False]
 [False  True  True  True  True  True  True  True False False]
 [ True  True  True  True  True  True  True False False False]
 [ True  True  True  True  True  True False False False False]
 [False False  True  True  True False False False False False]]

在一些平滑、膨胀和侵蚀技术之后，使用二元逻辑回归分类器根据灰度和形态特性识别这些特征。

我尝试获取周边坐标：

for m in matrix:
    y,x = m.shape
    l = []
    for i in np.arange(x):
        r = np.argwhere(m[:,i][m[:,i] == 0]).ravel().reshape(-1,1)
        t = np.full(shape=len(r),fill_value=i,dtype=int).reshape(-1,1)
        if i==0 or i==x:
            coords = np.hstack((r,t))
            l.append(coords)
        else:
            if len(r) <= 1:
                coords = np.hstack((r,t))
                l.append(coords)
            else:
                r = r[[0,-1]] # Problem,may not capture all coordinates.
                # if the feature has concave regions.
                t = np.full(shape=len(r),1)
                coords = np.hstack((r,t))
                l.append(coords)

如果没有凹面区域，我认为这可行，不幸的是，我正在查看的某些特征肯定是新月形的。我想我可以在另一个轴上第二次运行该函数并确定唯一坐标？我想有更好的方法。

此外，最终我需要将这些坐标映射回原始图像坐标。我想我可以使用边界框角来进行坐标传输。如果我能得到排序的坐标，这样我就可以将它们绘制为要素周围的多边形，那就太好了，但这不是进行最小边到边距离计算所必需的。

这个解决方案是否可以作为 udf 添加到 scikit-image.measure.regionsprops 'extra_properties' 参数中？

解决方法

根据 Bilal 的回应，我想出了一个合适的解决方案。

perimeter = binary_image ^ binary_erosion(binary_image)
for i in [0,-1]:
   vedges = np.argwhere(m[:,i] == True).ravel()
   if len(vedges) == 0: continue
   for x in vedges:
       perimeter[x,i] = True
   hedges = np.argwhere(m[i,:] == True).ravel()
   if len(hedges) == 0: continue
   for y in hedges:
       perimeter[i,y] = True

coordinates = np.argwhere(perimeter == True)