Python 或 C 语言中的 Matlab / Octave bwdist()

有谁知道 Matlab / Octave bwdist() 函数的 Python 替代品？此函数返回给定矩阵的每个单元格到最近的非零单元格的欧几里得距离。我看到了一个 Octave C 实现，一个纯 Matlab 实现，我想知道是否有人必须用 ANSI C（它不包括任何 Matlab / Octave 头文件，因此我可以轻松地从 Python 集成）或纯 Python 来实现它。

我提到的两个链接如下：

C++ http://octave-image.sourcearchive.com/documentation/1.0.10/____bwdist_8cc-source.html

Matlab M 文件 http://www.irit.fr/PERSONNEL/SAMOVA/joly/Teaching/M2IRR/IRR05/Barre-Piquot/bwdist.m

作为测试，Matlab 代码/输出如下所示：

bw= [0   1   0   0   0;
     1   0   0   0   0;
     0   0   0   0   1;
     0   0   0   0   0;
     0   0   1   0   0]

D = bwdist(bw)

D =

   1.00000   0.00000   1.00000   2.00000   2.00000
   0.00000   1.00000   1.41421   1.41421   1.00000
   1.00000   1.41421   2.00000   1.00000   0.00000
   2.00000   1.41421   1.00000   1.41421   1.00000
   2.00000   1.00000   0.00000   1.00000   2.00000

我在 Python 中测试了推荐的 distance_transform_edt 调用，结果如下：

将 numpy 导入为 np 从 scipy 导入 ndimage

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

res = ndimage.distance_transform_edt(a)
print res

[[ 0.  1.  0.  0.  0.]
 [ 1.  0.  0.  0.  0.]
 [ 0.  0.  0.  0.  1.]
 [ 0.  0.  0.  0.  0.]
 [ 0.  0.  1.  0.  0.]]

这个结果似乎与 Octave / Matlab 输出不匹配。

而Matlabbwdist返回到最近的非零单元格的距离，Pythondistance_transform_edt https://docs.scipy.org/doc/scipy-0.14.0/reference/generated/scipy.ndimage.morphology.distance_transform_edt.html返回“到最近的背景元素”的距离。 SciPy 文档并不清楚它所认为的“背景”是什么，其背后有一些类型转换机制；在实践中0是背景，非零是前景。

所以如果我们有矩阵a:

>>> a = np.array(([0,1,0,0,0],
              [1,0,0,0,0],
              [0,0,0,0,1],
              [0,0,0,0,0],
              [0,0,1,0,0]))

然后，为了计算相同的结果，我们需要将 1 替换为 0，将 0 替换为 1，例如考虑矩阵1-a:

>>> a
array([[0, 1, 0, 0, 0],
       [1, 0, 0, 0, 0],
       [0, 0, 0, 0, 1],
       [0, 0, 0, 0, 0],
       [0, 0, 1, 0, 0]])
>>> 1 - a
array([[1, 0, 1, 1, 1],
       [0, 1, 1, 1, 1],
       [1, 1, 1, 1, 0],
       [1, 1, 1, 1, 1],
       [1, 1, 0, 1, 1]])

在这种情况下scipy.ndimage.morphology.distance_transform_edt https://docs.scipy.org/doc/scipy-0.14.0/reference/generated/scipy.ndimage.morphology.distance_transform_edt.html给出预期结果：

>>> distance_transform_edt(1-a)
array([[ 1.        ,  0.        ,  1.        ,  2.        ,  2.        ],
       [ 0.        ,  1.        ,  1.41421356,  1.41421356,  1.        ],
       [ 1.        ,  1.41421356,  2.        ,  1.        ,  0.        ],
       [ 2.        ,  1.41421356,  1.        ,  1.41421356,  1.        ],
       [ 2.        ,  1.        ,  0.        ,  1.        ,  2.        ]])