如何从二进制 3D 数组中提取 3D 点（斑点）数组？

Question

我有一个形状为 (260,311, 260) 的点的 numpy 数组。它代表空白区域（被零包围）中的 8 个电极（值 1）。如何检测这些斑点并将它们一一个体化？ （我期待 8 个 260,311,260 个阵列，每个阵列只有一个电极）

我尝试用 np.nonzero 提取 1 值，但之后我就卡住了。我也尝试过 skimage.feature.blob_log 但它似乎不适用于 numpy 数组；和 Kmeans 聚类，但我想用可变数量的电极来实现。

这是 np.array(np.nonzero(electrodes_data)) 的 3d 图

fig = plt.figure(figsize=(6, 6))
    ax = fig.add_subplot(111, projection='3d')
    ax.scatter(all_coordinates[0], all_coordinates[1], all_coordinates[2],
               linewidths=1, alpha=.7,
               edgecolor='k',`your text`
               s = 200,
               c=all_coordinates[0])
    ax.view_init(elev=0, azim=0)
    plt.show()

奇怪的是没有一个简单的函数来个性化斑点？！

Answer 1

如果您有一个包含二进制 blob 的 3D 数组。您可以使用 scipy.ndimage.label

将它们分开

blobs                         #A 3D array of 1s and zeros.
labelled = ndimage.label(blobs)

现在你想将每个值分成一个数组吗？

separated = []

labels = np.unique(labelled)

for lbl in labels[1:]: #the first value is 0
    z, y, x = np.where(labelled==lbl)
    next = np.zeros( labels.shape )
    next[z, y, x] = 1
    separated.add(next)

现在分开应该有 N 个卷，每个 blob 都有一个二进制标签。