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

Question

在阅读this post之后，并且还使用了SciKit图像，我发现与MATLAB函数imregionalmax相比，Python有所不同。

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)

我希望2D数组的变量True或giannis只有一个giorgos值（[2,4]），就像我在MATLAB中得到的那样。相反，我最多只能考虑一个。

有人知道为什么这样工作，以及如何使其像在MATLAB中那样工作吗？

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还会有一些其他阈值。

这两种方法均不能保证找到的像素实际上是局部最大值。注意上面我所说的“更大或相等”。无论图像是局部最大值，局部最小值还是介于两者之间的某个地方，算法都会标记出图像中的任何平稳区域（所有像素均具有相同值的区域）。

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，滤波器是如何识别正弦曲线局部最小值附近的三个点的。其中的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局部最小值的高原。

相比之下，MATLAB函数imregionalmax可以识别被较低像素所包围的所有平稳段。执行此操作所需的算法与上述算法完全不同。可以使用Union-Find算法有效地完成此操作，也可以使用Flood-fill-type算法效率较低地完成操作。主要思想是找到一个不低于任何邻域的像素，然后从其扩展到其等值邻域，直到对整个高原进行了探索，或者直到找到高原中具有更高邻域值的像素之一

我知道的该算法的唯一实现 Python中的一种实现是在PyDIP中（注意：我是作者；还请注意：您还不能通过{ {1}}，您需要从源代码进行编译）：

pip

另一种实现是in SciKit-Image（感谢Juan的pointing this out）：

import PyDIP as dip

nikos = dip.Maxima(manos)

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