我有一个3d numpy数组，x，y和深度作为维度。这是一个包含各种对象标签的二进制数组。这些标签目前不是唯一的（所有对象的标签都是1），但它们表示的对象彼此之间是唯一的。我用二进制数组提取了每个物体的轮廓。我的目标是为每个等高线区域指定唯一的值。
对于一个简单的2d示例，我将创建一个具有横向不连续轮廓的numpy数组，类似于真实的数据：

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

字符串
以及contour_array的matplotlib图，以便于查看：

的数据
这就是预期的输出：

mask_array = np.array([[0,0,0,0,0,0,0,0,0,0,0,0,0],
                       [0,0,0,0,0,0,0,0,0,0,0,0,0],
                       [1,1,1,1,1,1,1,1,1,1,1,1,1],
                       [1,1,1,1,1,1,1,1,1,1,1,1,1],
                       [2,2,2,2,2,1,1,1,1,1,1,1,1],
                       [2,2,2,2,2,2,1,1,1,1,1,1,1],
                       [2,2,2,2,2,1,1,1,1,1,1,1,1],
                       [2,2,2,2,1,1,1,1,1,1,1,1,1],
                       [1,1,1,1,1,1,1,1,1,1,1,1,1],
                       [3,3,3,3,3,3,3,3,3,3,3,3,3],
                       [3,3,3,3,3,3,3,3,3,3,3,3,3],
                       [3,3,3,3,3,3,3,3,3,3,3,3,3]])

型
以及mask_array的matplotlib图，以便于查看：

的
您可以看到有4个需要标记的唯一对象。标签#2嵌入在标签#1内并且在x方向上横向不连续。标签#1在到达标签#3时也停止。

**编辑：**边界值需要与下面的填充值相同。参见掩模阵列图像。

上面的

是一个2d二进制数组，显示了从实际数据集中提取的轮廓i。正如你所看到的，这些轮廓在x空间中并不总是连续的。

我所尝试的

我的第一次尝试是迭代数据中的每一列，应用.cumsum()生成唯一值，然后使用push()向前填充每一列的数据。代码如下：

# create an empty array for the labels
mask_array = np.zeros_like(contour_array)
# determine shape of data for iteration
xx, yy, d = contour_array.shape
# loop through 3d array
for x in range(xx):
    for y in range(yy):
        # apply cumsum() to assign unique values to each object
        mask_array[x,y,:] = contour_array[x,y,:].cumsum()*contour_array[x,y,:]
        # replace zeros with nulls for for forward fill
        mask_array[x,y,:] = np.where(mask_array[x,y,:] == 0, np.nan, mask_array[x,y,:])
        # apply push to each column to create labels
        mask_array[x,y,:] = push(mask_array[x,y,:])
        # fill remaining nulls with 0
        mask_array[np.isnan(mask_array)] = 0.0

型
虽然我的代码可能很慢，但如果对象或层在x空间中是连续的，这将工作，但因为它们是不连续的，所以输出是不连续的，并且错过了嵌入对象和连续层之间的变化。

• 我的第二次尝试 * 是使用上面的代码应用numpy sliding_window_view()移动窗口来尝试捕获横向变化。我真的不能得到这个操作和代码是不好的。
• 最后 *，我一直在研究使用cv2.fillPoly()，但不确定这是正确的道路。