grid_to_graph

sklearn.feature_extraction.image.grid_to_graph(n_x, n_y, n_z=1, *, mask=None, return_as=<class 'scipy.sparse._coo.coo_matrix'>, dtype=<class 'int'>)[source]

Граф связей между пикселями.

Ребра существуют, если 2 вокселя соединены.

Параметры:

n_xint

Размерность по оси x.

n_yint

Размерность по оси y.

n_zint, по умолчанию=1

Размерность по оси z.

maskмассив формы (n_x, n_y, n_z), тип=bool, по умолчанию=None

Необязательная маска изображения, чтобы учитывать только часть пикселей.

return_asnp.ndarray или класс разреженной матрицы, по умолчанию=sparse.coo_matrix

Класс, используемый для построения возвращаемой матрицы смежности.

dtypeтип данных, по умолчанию=int

Тип данных возвращаемой разреженной матрицы. По умолчанию — int.

Возвращаемое значение:

graphnp.ndarray или класс разреженной матрицы

Вычисленная матрица смежности.

Примеры

>>> import numpy as np
>>> from sklearn.feature_extraction.image import grid_to_graph
>>> shape_img = (4, 4, 1)
>>> mask = np.zeros(shape=shape_img, dtype=bool)
>>> mask[[1, 2], [1, 2], :] = True
>>> graph = grid_to_graph(*shape_img, mask=mask)
>>> print(graph)
<COOrdinate sparse matrix of dtype 'int64'
  with 2 stored elements and shape (2, 2)>
  Coords    Values
  (0, 0)    1
  (1, 1)    1