Python skimage.morphology.max_tree_local_maxima用法及代码示例

用法: skimage.morphology.max_tree_local_maxima(image, connectivity=1, parent=None, tree_traverser=None)

确定图像的所有局部最大值。

局部最大值被定义为具有相等灰度级的连接的像素集，其灰度级严格大于该集的直接邻域中所有像素的灰度级。该函数标记局部最大值。

从技术上讲，该实现基于图像的max-tree 表示。如果已经计算了max-tree 表示，则该函数非常有效。否则，最好使用函数local_maxima。

参数：

image：ndarray: 要计算最大值的输入图像。
connectivity：无符号 int 可选: 邻里连通性。整数表示到达邻居的最大正交步数。在 2D 中，4 邻域为 1，8 邻域为 2。默认值为 1。
parent：ndarray，int64，可选: 每个像素的值是其父级在 raveled 数组中的索引。
tree_traverser：一维数组，int64，可选: 有序像素索引(指的是散列数组)。像素被排序，使得每个像素都位于其父级之前(除了没有父级的根)。

local_max：ndarray，uint64: 图像的标记局部最大值。

参考：

1: Vincent L., Proc. “Grayscale area openings and closings, their efficient implementation and applications”, EURASIP Workshop on Mathematical Morphology and its Applications to Signal Processing, Barcelona, Spain, pp.22-27, May 1993.
2: Soille, P., “Morphological Image Analysis: Principles and Applications” (Chapter 6), 2nd edition (2003), ISBN 3540429883. DOI:10.1007/978-3-662-05088-0
3: Salembier, P., Oliveras, A., & Garrido, L. (1998). Antiextensive Connected Operators for Image and Sequence Processing. IEEE Transactions on Image Processing, 7(4), 555-570. DOI:10.1109/83.663500
4: Najman, L., & Couprie, M. (2006). Building the component tree in quasi-linear time. IEEE Transactions on Image Processing, 15(11), 3531-3539. DOI:10.1109/TIP.2006.877518
5: Carlinet, E., & Geraud, T. (2014). A Comparative Review of Component Tree Computation Algorithms. IEEE Transactions on Image Processing, 23(9), 3885-3895. DOI:10.1109/TIP.2014.2336551

例子：

我们创建一个图像(中心有一个最大值和 4 个附加常数最大值的二次函数。

>>> w = 10
>>> x, y = np.mgrid[0:w,0:w]
>>> f = 20 - 0.2*((x - w/2)**2 + (y-w/2)**2)
>>> f[2:4,2:4] = 40; f[2:4,7:9] = 60; f[7:9,2:4] = 80; f[7:9,7:9] = 100
>>> f = f.astype(int)

我们可以计算所有局部最大值：

>>> maxima = max_tree_local_maxima(f)

生成的图像包含标记的局部最大值。

相关用法

注：本文由纯净天空筛选整理自scikit-image.org大神的英文原创作品 skimage.morphology.max_tree_local_maxima。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

参考：

例子：