python - 如何使 ndimage.filters.maximum_filter 像 MATLAB 的 imregionalmax 函数一样工作？

Question

阅读后this post ，并使用 SciKit-image 进行测试，我发现 Python 与 MATLAB 的函数 imregionalmax 之间存在差异。

我有这些代码行:

from skimage.feature import peak_local_max

manos = np.ones([5,5])
manos[2,2] = 0.
manos[2,4] = 2.

giannis = peak_local_max(manos,min_distance=1, indices=False, exclude_border=False)

giorgos = ndimage.filters.maximum_filter(manos, footprint=np.ones([3,3]))
giorgos = (giorgos == manos)

我希望变量 giannis 或 giorgos 的二维数组只有一个 True 值 ([2,4])，因为我得到在 MATLAB 中。相反，我采用了多个最大值。

知道为什么会这样工作以及如何让它像在 MATLAB 中一样工作吗？

Answer 1

giannis 和 giorgos 的相似之处在于它们都找到等于或大于 3x3 邻域中其他像素的像素。我相信 giannis 会有一些额外的阈值。

这些方法都不能保证找到的像素实际上是局部最大值。请注意我上面所说的“大于或等于”。图像中任何足够大的平台(所有像素都具有相同值的区域)都将被算法标记，无论它们是局部最大值、局部最小值还是介于两者之间。

例如:

import numpy as np
import matplotlib.pyplot as pp
import scipy.ndimage as ndimage

manos = np.sin(np.arange(100)/10)
manos = np.round(30*manos)/30     # Rounding to create plateaus

giorgos = ndimage.filters.maximum_filter(manos, footprint=np.ones([3]))
giorgos = (giorgos == manos)

pp.plot(manos);
pp.plot(giorgos);
pp.show()

请注意滤波器如何识别正弦曲线局部最小值附近的三个点。其中中间一个是实际的局部最小值，另外两个是既不是局部最大值也不是最小值的平台。

相比之下，MATLAB 函数 imregionalmax 会识别由具有较低值的像素包围的所有高原。执行此操作所需的算法与上面的算法非常不同。它可以使用并查算法有效地完成，或者使用泛洪填充型算法效率较低。主要思想是找到一个不低于任何邻居的像素，然后从它扩展到其等值邻居，直到探索整个高原或直到找到高原中具有更高值邻居的像素之一.

Python 提供的一个实现位于 DIPlib (注:我是作者):

import diplib as dip

nikos = dip.Maxima(manos)

pp.plot(manos);
pp.plot(nikos);
pp.show()

另一个实现是in SciKit-Image (感谢Juan为pointing this out):

nikos = skimage.morphology.local_maxima(manos)