Skimage库-measure--保留三维数据中的最大连通域

Measure的英文学习链接：http://scikit-image.org/docs/dev/api/skimage.measure.html

1、Measure中所有的函数功能做一个简单的介绍：

skimage.measure.find_contours(array, level)	对于给定的级别值，在2D数组中查找等值轮廓。
skimage.measure.regionprops(label_image[, …])	测量标记图像区域的属性。
skimage.measure.perimeter(image[, neighbourhood])	计算二进制图像中所有对象的总周长。
skimage.measure.approximate_polygon(coords, …)	近似具有指定公差的多边形链。
skimage.measure.subdivide_polygon(coords[, …])	使用B样条细分多边形曲线。
skimage.measure.ransac(data, model_class, …)	使用RANSAC（随机样本共识）算法使模型适合数据。
skimage.measure.block_reduce(image, block_size)	通过将函数应用于本地块来下采样图像。
skimage.measure.moments(image[, order])	计算所有原始图像时刻，直到某个顺序。
skimage.measure.moments_central(image[, …])	计算直到某个顺序的所有中心图像矩。
skimage.measure.moments_coords(coords[, order])	计算所有原始图像时刻，直到某个顺序。
skimage.measure.moments_coords_central(coords)	计算直到某个顺序的所有中心图像矩。
skimage.measure.moments_normalized(mu[, order])	计算所有归一化的中心图像矩，直到某个顺序。
skimage.measure.moments_hu(nu)	计算Hu的图像矩集（仅限2D）。
skimage.measure.marching_cubes_lewiner(volume)	Lewiner行进立方体算法在3d体积数据中找到表面。
skimage.measure.marching_cubes_classic(volume)	经典行进立方体算法，用于在3d体积数据中查找曲面。
skimage.measure.mesh_surface_area(verts, faces)	计算表面积，给定顶点和三角形面
skimage.measure.correct_mesh_orientation(…)	网格面的正确方向。
skimage.measure.profile_line(image, src, dst)	返回沿扫描线测量的图像的强度分布。
skimage.measure.label(input[, neighbors, …])	标记整数数组的连接区域。
skimage.measure.points_in_poly(points, verts)	测试点是否位于多边形内。
skimage.measure.grid_points_in_poly(shape, verts)	测试指定网格上的点是否在多边形内。
skimage.measure.compare_ssim(X, Y[, …])	计算两个图像之间的平均结构相似性指数。
skimage.measure.compare_mse(im1, im2)	计算两个图像之间的均方误差。
skimage.measure.compare_nrmse(im_true, im_test)	计算两个图像之间的归一化均方根误差（NRMSE）。
skimage.measure.compare_psnr(im_true, im_test)	计算图像的峰值信噪比（PSNR）。
skimage.measure.shannon_entropy(image[, base])	计算图像的香农熵。
skimage.measure.LineModelND()	N维线的总最小二乘估计。
skimage.measure.CircleModel()	2D圆的总最小二乘估计。
skimage.measure.EllipseModel()	2D椭圆的总最小二乘估计。

2、重点介绍：skimage.measure.label

• 功能描述：实现连通区域标记。
• 函数调用形式：skimage.measure.label(input, neighbors = None, background = None, return_num = False, connectivity = None)
• 参数描述：

1. input : Image to label 需要被标记的图片，输入的数据结构不作要求
2. neighbors : 这个参数将被移除，被下面的connectivity替代。可以忽略不看
3. background : 选择背景像素，指定像素作为背景，全部相同像素标记为0
4. return_num : 是一个bool值，如果为True的话返回值是一个元组（labels ，num ）；如果为False的话就只返回labels
5. connectivity : Maximum number of orthogonal hops to consider a pixel/voxel as a neighbor. Accepted values are ranging from 1 to input.ndim. If None, a full connectivity of input.ndim is used. [int, optional]。如果input是一个二维的图片，那么connectivity的值范围选择{1,2}，如果是None则默认是取最高的值，对于二维来说，当connectivity=1时代表4连通，当connectivity=2时代表8连通.

• Returns:

1. labels : 和input形状一样，但是数值是标记号，所以这是一个已经标记的图片
2. num : 标记的种类数，如果输出0则只有背景，如果输出2则有两个种类或者说是连通域

3、Skimage.measure.regionprops

• 功能描述：测量标记图像区域的属性。
• 函数调用形式：skimage.measure.regionprops(label_image, intensity_image=None, cache=True, coordinates=None)
• 参数描述：

1. label_image：（N,M）ndarray，标记输入图像；
2. intensity_image : (N, M) ndarray，可选参数，具有与标记图像相同大小的强度（即输入）图像，默认值为“None”；
3. cache：bool，可选参数，确定是否缓存计算的属性。对于缓存属性，计算速度要快得多，而内存消耗则会增加；
4. coordinates：’rc'或’xy‘，可选参数，协调2D图像的约定。（3D图像仅支持’rc‘坐标）

• Return:

1. region：是一种列表的形式，每个连通域的标记区域。

使用范例：