python 三维连通域分析

发布时间：2020.09.25

在做材料缺陷分析的时候，会用刀三维连通域分析这个算法，作为一个不入流的JS码农，算法我是万万不会自己去写的，而且还是用python去写。不过好在，确实有人写出了很成功的库，可以得以引用，我这里就来重点介绍一个这个库。

Connected Components 3D

库的源地址：github.com/seung-lab/c… 库的安装：

#确保你的numpy 库版本是在1.16以上的
pip install connected-components-3d

样例：

import cc3d
import numpy as np

labels_in = np.ones((512, 512, 512), dtype=np.int32)
labels_out = cc3d.connected_components(labels_in) # 26-connected

connectivity = 6 # only 26, 18, and 6 are allowed
labels_out = cc3d.connected_components(labels_in, connectivity=connectivity)

# You can adjust the bit width of the output to accomodate
# different expected image statistics with memory usage tradeoffs.
# uint16, uint32 (default), and uint64 are supported.
labels_out = cc3d.connected_components(labels_in, out_dtype=np.uint16)

# You can extract individual components like so:
N = np.max(labels_out)
for segid in range(1, N+1):
  extracted_image = labels_out * (labels_out == segid)
  process(extracted_image)

# We also include a region adjacency graph function 
# that returns a set of undirected edges.
graph = cc3d.region_graph(labels_out, connectivity=connectivity) 

更多的说明： 可以通过二位连通域算法所得到的数据结果来理解三维连通域分析。（可以参考opencv connectComponentsWithStats 这个算法）

0 0 0 0 0 0 0 0 0 0                      0 0 0 0 0 0 0 0 0 0  
0 1 1 0 0 0 0 0 0 0			 0 1 1 0 0 0 0 0 0 0  
0 1 1 0 0 0 1 1 1 0                      0 1 1 0 0 0 3 3 3 0  
0 0 0 0 0 0 1 1 1 0  	                 0 0 0 0 0 0 3 3 3 0
0 1 1 1 1 0 0 0 0 0                      0 2 2 2 2 0 0 0 0 0                      
0 0 0 0 0 0 0 0 0 0                      0 0 0 0 0 0 0 0 0 0

对二维数据进行连通域分析的时候，算法就是将连通域通过 不同的数字0(0表示为背景)，1，2，3标记出来，然后就可以从中取得这些连通域，做后续的分析处理了。 三维数据一次类推。