给一幅分割 label，求某个物体的凸包（convex hull）^[1]和包络（polygon）^[2]，所得是一幅 0/1 的 mask。凸包、包络都是包含物体的，分别在于包络不要求凸，可以更细致地勾勒物体形状。例：

从左到右：此物体的 segmentation mask、包络 mask、凸包 mask。包络、凸包两 mask 或可用于 masked dice loss^[3]。

Code

• 包络：skimage.draw.polygon
• 凸包：skimage.morphology.convex_hull_image

import numpy as np
import medpy.io as medio
from PIL import Image
import skimage# 读一幅 seg label
label, _ = medio.load("test/ctpelvic1k/dataset5_1411226_Image_mask_4label.nii.gz")
print(label.shape, label.min(), label.max(), label.dtype) # (512, 512, 175) 0 4 uint16
lab = label[:, :, 100]# object seg mask
lab_bin = (lab > 0).astype(np.uint8) * 255# polygon
px, py = np.where(lab > 0)
rr, cc = skimage.draw.polygon(px, py)
polygon = np.zeros_like(lab, dtype=np.uint8)
polygon[rr, cc] = 255# convex hull
chull = skimage.morphology.convex_hull_image(lab_bin)
print(chull.shape, chull.min(), chull.max(), chull.dtype) # (512, 512) False True bool
chull = chull.astype(np.uint8) * 255# 一并展示
comb = np.concatenate([lab_bin, polygon, chull], axis=1)
Image.fromarray(comb).save("test.png")

References

1. Convex Hull
2. skimage.draw.polygon
3. MaskedDiceLoss