Я пытаюсь найти некоторые относительные максимумы данного изображения. Я понимаю, что есть два возможных метода: первый - scipy.ndimage.maximum_filter(), второй - skimage.feature.peak_local_max().
Чтобы сравнить оба метода, я изменил пример с Skimage , показанного здесь , чтобы сравнить найденные пики.
from scipy import ndimage as ndi
import matplotlib.pyplot as plt
from skimage.feature import peak_local_max
from skimage import data, img_as_float
im = img_as_float(data.coins())
# use ndimage to find the coordinates of maximum peaks
image_max = ndi.maximum_filter(im, size=20) == im
j, i = np.where(image_max)
coordinates_2 = np.array(zip(i,j))
# use skimage to find the coordinates of local maxima
coordinates = peak_local_max(im, min_distance=20)
# display results
fig, axes = plt.subplots(1, 2, figsize=(8, 3), sharex=True, sharey=True)
ax = axes.ravel()
ax[0].imshow(im, cmap=plt.cm.gray)
ax[0].plot(coordinates_2[:, 0], coordinates_2[:, 1], 'r.')
ax[0].axis('off')
ax[0].set_title('Maximum filter')
ax[1].imshow(im, cmap=plt.cm.gray)
ax[1].autoscale(False)
ax[1].plot(coordinates[:, 1], coordinates[:, 0], 'r.')
ax[1].axis('off')
ax[1].set_title('Peak local max')
fig.tight_layout()
plt.show()
Это дает следующие пики для каждого метода:
Я понимаю, что параметр size для maximum_filter не эквивалентен min_distance из peak_local_max, но я хотел бы знать, существует ли метод, в котором оба дают одинаковый результат. Это возможно?
Некоторые связанные с этим вопросы о stackoverflow:
Получить координаты локальных максимумов в 2D массиве выше определенного значения
Обнаружение пиков в двумерном массиве