spatial-image

这是一个用于科学Python的多维空间图像数据结构。

为了便于

• 多尺度处理和分析
• 配准
• 重采样
• 子区域并行处理
• 与网格、点集和注释耦合

与科学图像（通常是具有各向异性采样的多维图像）一起使用，这个包提供了一个空间图像数据结构。除了像素值的N维数组之外，空间元数据定义了像素采样网格在时空中的位置。我们还标记了数组维度。这些元数据很容易被利用，并且在图像处理管道中优雅地传递。

这个包定义了空间图像元数据，提供了一个函数is_spatial_image来验证空间图像实例的预期行为，并提供了一个参考函数to_spatial_image来将类似数组的对象（例如NumPy ndarray或Dask array）转换为空间图像。

空间图像数据结构是用Xarray实现的，这是一个用于Python中的N维标记数组和数据集的库。Xarray库经过充分测试，相对成熟，并且与科学Python生态系统工具很好地集成。Xarray库利用NumPy和pandas进行标记数组索引，与利用scikit-learn接口的机器学习库很好地集成，与Dask进行分布式计算集成，以及与zarr进行序列化。

本质上，空间图像是一个具有一组定义的维度标签 {'c', 'x', 'y', 'z', 't'}、对坐标 coords 的约束，以在给定方向上强制均匀间隔，以及定义的一组额外元数据 attrs 的 xarray.DataArray。

安装

pip install spatial-image

定义

数据维度

空间图像的 xarray dims 属于集合：{'c', 'x', 'y', 'z', 't'}。这些维度包括：

c

组件/通道维度。

x

第一个空间维度。

y

第二个空间维度。

z

第三个空间维度。

t

时间维度。

轴属性

每个 dim 都有一个轴，该轴具有额外的属性来描述维度。

long_name

轴的描述性名称，例如 前后 或 x 轴。默认为 dim 名称。

units

轴的单位，例如 毫米。默认为空字符串。

坐标

空间图像的 Xarray coords 指定了图像中像素在 'x'、'y' 和 'z' 数据维度上的空间位置。对于 'c' 和 't' 数据维度，可以可选地提供组件标识和时间戳。

空间坐标定义了图像坐标系中的位置。一般来说，图像的坐标系可能不同于世界坐标系。

像素在一个均匀的、可能是各向异性的空间网格上进行采样。空间坐标具有 64 位浮点类型。相邻坐标之间的差异，即维度的像素 间距 必须是均匀的。第一个坐标值定义了图像的 原点 或 偏移。

组件或通道维度坐标默认为整数标识符的序列，但可以是描述通道的字符串，例如 ['r', 'g', 'b']。

时间坐标可以是整数、浮点型或 datetime64 类型。

动机说明

• 图像轴对齐的笛卡尔坐标系允许在 xarray.DataArray 上的处理管道中使用 Pythonic 索引。当使用切片进行索引时，将应用与一维坐标数组相同的切片到多维像素数组中，结果是有效的。

• 规则坐标间隔允许进行算法和计算上的处理优化。

开发

欢迎并赞赏贡献。

要运行测试套件

git clone https://github.com/spatial-image/spatial-image
cd spatial-image
pip install -e ".[test]"
pytest