Подсчет объектов в двоичном растровом изображении в R

05.03.2021Рубрика: ВопросыАвтор: admin

У меня есть растр:

r <- raster(ncol=10, nrow=10)
set.seed(0)
values(r) <- runif(ncell(r))

Из растра я выбираю верхние 10% и меняю на двоичный:

r_10<-r[[1]]>=quantile(r,.90)

В этом подмножестве растра r_10 все зеленые пиксели имеют одинаковое значение 1. Я хотел бы изменить эти значения, идентифицировав пиксели или группы пикселей как объекты и пометив каждый новый объект новым идентификатором. Новый растр должен иметь значения, подобные этому примеру изображения:

Некоторые объекты могут иметь несколько пикселей, и все они должны иметь один и тот же идентификатор объекта (например, номер 8).

Как я могу запрограммировать это в R? Я думал использовать какое-то обнаружение краев или фильтр Собеля, но не могу понять.

Вот аналогичное сообщение, не то же самое, но на Python, и мне нужно чтобы реализовать это в R.

Приветствуются любые альтернативные решения.

что это значит под объектами? Все эти зеленые пиксели имеют значение 1. Когда вы их маркируете, имеет ли значение порядок? Например, можно ли присвоить цифру 1 нижнему пикселю вместо верхнего левого? — person kjtheron schedule 05.03.2021

Я использую термин объект очень свободно. Здесь я просто хочу переклассифицировать группы соседних пикселей на разные значения. Порядок их маркировки значения не имеет. Пока у самого объекта есть свой уникальный ID. — person kjtheron schedule 05.03.2021

Post Views: 99

См. также: MySQL ORDER BY FIELD на месяцы

1 edge-detection object-detection r raster

Комментарии: 1

kjtheron 06.03.2021 в 00:00

Я уверен, что есть несколько способов ответить на этот вопрос (компьютерное зрение и ГИС). Вот ГИС-решение (найдено здесь) для рассматриваемой проблемы:

# Create raster data
r <- raster(ncol=10, nrow=10)
set.seed(0)
values(r) <- runif(ncell(r))

# Select top 10% of highest values and convert to binary
r_10<-r[[1]]>=quantile(r,.90)
r_10[r_10==0]<-NA

# Vectorize
Vector_r_10<-rasterToPolygons(r_10)
plot(Vector_r_10)

# Add new Obj_ID class
Vector_r_10$Obj_ID<-1:nrow(Vector_r_10)

# Identify neighboring pixels
nb<-poly2nb(Vector_r_10)

# Create regions
create_regions <- function(data) {
  group <- rep(NA, length(data))
  group_val <- 0
  while(NA %in% group) {
    index <- min(which(is.na(group)))
    nb <- unlist(data[index])
    nb_value <- group[nb]
    is_na <- is.na(nb_value)
    if(sum(!is_na) != 0){
      prev_group <- nb_value[!is_na][1]
      group[index] <- prev_group
      group[nb[is_na]] <- prev_group
    } else {
      group_val <- group_val + 1
      group[index] <- group_val
      group[nb] <- group_val
    }
  }
  group
}
region<-create_regions(nb)

# Union on new regions
pol_rgn<-spCbind(Vector_r_10,region)
New_Vector_r_10<-unionSpatialPolygons(pol_rgn,region)
New_Vector_r_10<-as(New_Vector_r_10,"SpatialPolygonsDataFrame")
plot(New_Vector_r_10)

Сейчас это шейп-файл, но для моих целей он подходит. Это всегда можно преобразовать обратно в растр.

Можно отредактировать параметр snap в poly2nb, чтобы выбрать соседей на соответствующих расстояниях. — person kjtheron; 06.03.2021

Ответить

Добавить комментарий