如何用Numpy计算图像各分割区域的中位数？

我想计算图像中每个分割区域的中位数，第一步用skimage的felzenszwalb做图像分割，但返回的mask是100100的单通道数组，不是预期的100100*3。想结合numpy maskedarray的中位数计算方法实现，有没有简便解法？原代码片段如下：

from skimage.segmentation import felzenszwalb, slic, quickshift, watershed

np.random.seed(seed=777)
img = np.random.randint(low=0, high = 255, size=(100,100, 3))

segments_fz = felzenszwalb(img, scale=100, sigma=0.5, min_size=50)
label_image, num = label(segments_fz, return_num = True)
for i in num: 
    mask_arr = np.ma.masked_array(img, mask = ??? )
    out_arr1 = ma.median(mask_arr, axis = 0) 

核心问题说明 #

felzenszwalb返回的分割结果是区域标签图——每个像素位置的值代表该像素所属的分割区域编号，因此是单通道（H×W）格式，而非和原图一致的三通道。计算每个区域的中位数无需将mask转成三通道，直接针对区域标签提取对应像素计算即可。

简化实现代码 #

import numpy as np
from skimage.segmentation import felzenszwalb
from skimage.measure import label

np.random.seed(seed=777)
img = np.random.randint(low=0, high=255, size=(100, 100, 3))

# 执行分割得到区域标签图
segments_fz = felzenszwalb(img, scale=100, sigma=0.5, min_size=50)
label_image, num_labels = label(segments_fz, return_num=True)

# 存储每个区域的RGB中位数
region_medians = {}

# 遍历每个区域标签（label从1开始，0为未标记区域）
for label_id in range(1, num_labels + 1):
    # 提取当前区域的所有RGB像素
    region_pixels = img[label_image == label_id]
    # 按通道计算中位数，axis=0对应RGB通道维度
    median = np.median(region_pixels, axis=0)
    region_medians[label_id] = median

# 示例：打印第一个区域的中位数
print(f"区域1的RGB中位数: {region_medians[1]}")

关键细节解释 #

1. 区域像素提取：用label_image == label_id生成单通道布尔掩码，直接索引原图即可提取该区域的所有RGB像素（形状为(N,3)，N为区域内像素数量），操作高效直观。
2. 中位数计算：直接调用np.median对提取到的像素数组按axis=0计算，即可得到每个颜色通道的中位数，无需额外使用maskedarray。
3. 标签遍历范围：label函数返回的有效区域标签从1开始，0代表背景/未标记区域，因此遍历范围需从1到num_labels+1。

基于maskedarray的实现方式 #

如果一定要用numpy maskedarray实现，可修改原代码中的mask生成逻辑：

# 循环内替换mask生成与中位数计算部分
mask = (label_image != label_id)[..., np.newaxis]  # 将单通道掩码扩展为三通道，匹配原图维度
mask_arr = np.ma.masked_array(img, mask=mask)
# 按空间维度（0,1）计算未屏蔽区域的中位数
median = np.ma.median(mask_arr, axis=(0,1))

这里通过[..., np.newaxis]将H×W的布尔掩码扩展为H×W×3，与原图维度对齐后，用maskedarray屏蔽非当前区域的像素，最终计算目标区域的中位数。

内容的提问来源于stack exchange，提问作者user16971617