python——distance_transform_edt的使用（计算距离）

1. distance_transform_edt介绍

distance_transform_edt是scipy库里的一个函数，用于距离转换，计算图像中非零点到最近背景点（即0）的距离。举例说明：
（1）现有图像A，如下图所示

（2）离最近背景点距离为1的用红色标出，如下图所示：

（3）离最近背景点距离为$\sqrt{2}$ 的用绿色标出，如下图所示：

（4）离最近背景点距离为2 的用橘色标出，如下图所示：

经过转换后，为

2. 代码

import numpy as np
from scipy import ndimage

A = np.array(
  [
    [0, 0, 1, 1, 1],
    [1, 0, 0, 1, 1],
    [0, 0, 1, 1, 0],
    [0, 0, 0, 0, 1],
    [0, 0, 0, 0, 0],
  ]
)

  dis = ndimage.morphology.distance_transform_edt(A)
  print(dis)

结果如下图所示：

3. 应用——计算图像中两个同心圆之间的区域

假设有

1. 图像大小为299x299
2. 圆心坐标row, col分别为133, 75
3. 小圆半径为54，大圆半径为108

如下所示：

现在只要取ROI区域，有一种办法是，遍历图像中的每个点，然后判断点到圆心坐标的距离在r1到r2之间，但是这种方法的缺点是 太慢了！！！太慢了！！！太慢了！！！

用distance_transform_edt可以大大提高效率。
代码如下：

import cv2
import numpy as np
from scipy import ndimage
import matplotlib.pyplot as plt

row, col = 133, 75
r1 = 54
r2 = 108

img = cv2.imread('puck.jpg')
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
img_temp = np.ones([299, 299])
img_temp[133, 75] = 0
dis = ndimage.morphology.distance_transform_edt(img_temp)
img[dis < r1] = 0
img[dis > r2] = 0

plt.imshow(img)
plt.show()

显示图像如下图所示：

总结：
之前测试，如果用遍历像素点到圆心的距离的方法筛选ROI区域，耗时5秒多；而distance_transform_edt耗时大概0.5秒，差了10倍！！！

结束。