聚类热图中低数值区域的方块与条纹模式检测方法咨询

核心思路 #

先通过阈值规则生成低数值区域的二进制掩码，再分析区域的形状特征（宽高比）来区分方块或条纹模式。

步骤1：生成低数值区域掩码 #

根据需求选择阈值方式，将低于阈值的单元格标记为目标区域：

import numpy as np

# 替换为你的聚类热图矩阵（二维numpy数组）
matrix = np.random.rand(50, 50)  # 示例随机矩阵

# 二选一设置阈值
# 方式1：固定阈值0.5
threshold = 0.5
# 方式2：整体分布第10百分位
threshold = np.percentile(matrix, 10)

# 生成二进制掩码，True表示低数值目标区域
mask = matrix < threshold

步骤2：分析连通区域的形状特征 #

用scipy.ndimage提取连通区域，通过计算区域最小外接矩形的宽高比判断模式：

from scipy.ndimage import label, find_objects

# 标记连通区域（默认4邻域：上下左右；需8邻域则添加structure=np.ones((3,3))）
labeled_mask, num_regions = label(mask)

# 遍历每个连通区域判断模式
for region_idx in range(1, num_regions + 1):
    # 获取区域的边界框（行范围、列范围）
    bbox = find_objects(labeled_mask == region_idx)[0]
    # 计算区域的高度（行数）和宽度（列数）
    region_h = bbox[0].stop - bbox[0].start
    region_w = bbox[1].stop - bbox[1].start
    
    # 计算宽高比（避免除零）
    aspect_ratio = region_w / region_h if region_h != 0 else 0
    
    # 根据宽高比判断模式（阈值可根据数据调整）
    if 0.8 <= aspect_ratio <= 1.2:
        print(f"区域{region_idx}：方块模式")
    elif aspect_ratio > 3:
        print(f"区域{region_idx}：横向条纹模式")
    elif aspect_ratio < 1/3:
        print(f"区域{region_idx}：纵向条纹模式")
    else:
        print(f"区域{region_idx}：过渡/不规则模式")

补充说明 #

• 连通区域的邻域规则可按需调整：4邻域仅识别上下左右连通的区域，8邻域包含对角线连通的区域
• 宽高比的阈值（0.8-1.2、3、1/3）可根据你的实际数据分布灵活修改，比如窄条纹可将阈值设为5或1/5
• 若存在多个分散的低数值区域，上述代码会逐个判断每个区域的模式

内容的提问来源于stack exchange，提问作者Damiano Tosolini