如何让ndimage.filters.maximum_filter像MATLAB的imregionalmax函数一样工作？

Question

在阅读this post，并使用SciKit-image之后，我发现Python语言与MATLAB的imregionalmax函数有不同之处。

我有以下几行代码：

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)

当我在MATLAB中得到变量giannis或giorgos时，我希望得到一个只有一个True值(2,4)的2D数组。取而代之的是，我取了不止一个最大值。

你知道为什么它是这样工作的吗，以及如何让它像MATLAB一样工作？

Answer 1

giannis和giorgos的相似之处在于，它们找到的像素等于或大于3x3邻域中的其他像素。我相信giannis会有一些额外的阈值。

这两种方法都不能保证找到的像素实际上是局部最大值。注意我在上面说的“更大或相等”。图像中任何足够大的平台值(所有像素都具有相同值的区域)都将由算法标记，无论它们是局部最大值、局部最小值还是介于两者之间的某个地方。

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()

​

​

注意滤波器是如何识别正弦曲线局部最小值附近的三个点的。其中中间的一个是实际的局部最小值，其他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可以识别被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Union-Find算法高效完成，或者使用泛洪填充类型算法效率较低。其主要思想是找到一个不低于任何邻居的像素，然后从它扩展到它的等值邻居，直到探索完整个高原，或者直到你找到具有更高值邻居的高原中的一个像素。

Python提供的一个实现是用DIPlib实现的(注意:我是一个作者)：

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pointing this out的Juan )：

nikos = skimage.morphology.local_maxima(manos)