python - python中的非局部最大值抑制

Question

目标:输入图像(2d numpy 数组)和窗口大小，并输出相同的数组，保留局部最大值，但其他地方为 0。

我正在努力解决的问题:我认为我在我的代码中犯了一个愚蠢的错误，也许我的循环中有一些拼写错误但我不确定(局部最大值仅在图像，这是不正确的)。正如我在下面指出的那样，我也欢迎使用 OpenCV 或 numpy 的任何简单技巧来缩短此解决方案。

类似问题:Finding Local Maxima in an Image

和Find local maxima in grayscale image using OpenCV

我的不同是因为:我希望抑制除局部最大值以外的所有值。我不必使用下面的代码，我无法找到 opencv 或 numpy 的内置函数来执行我需要的操作(cv 中的 harris corners 将隐式执行此操作作为步骤之一，但我需要一些东西来执行我需要的唯一操作)。我读了一些关于 dilate 的内容，但不确定它在这里是否也有用。

到目前为止我已经尝试过什么。

def nonMaximalSupress(image,NHoodSize):
    #For
    for x in range(0,image.shape[0]-1):

        if x+NHoodSize[0]<image.shape[0]:
            #while we can still take a square
            #print "AHH ", image.shape
            startWindow=0
            for y in range(startWindow,image.shape[1]-NHoodSize[1]):
                #try:
                if np.sum(image[x:x+NHoodSize[0]][y:y+NHoodSize[1]])==0:
                    localMax=0
                else:
                    localMax = np.amax(image[x:x+NHoodSize[0]][y:y+NHoodSize[1]])
                #except ValueError:
                    #localMax=0
                #print "local max is ", localMax

                maxCoord=np.unravel_index(np.argmax((image[x:x+NHoodSize[0],y:y+NHoodSize[1]])),
                                          image.shape)+np.array((x,y))

                #print "X is %r, Y is %r, max coord is %r \n y+nhood is %r" %(x,y,maxCoord,y+NHoodSize[1])
                #suppress everything
                image[x:x+NHoodSize[0]][y:y+NHoodSize[1]]=0

                #reset only the max
                #print maxCoord
                if localMax > 0:
                    print localMax
                    print "max coord is ", maxCoord[0], maxCoord[1]
                image[maxCoord[0]][maxCoord[1]]=localMax
                #increment y



        x+=NHoodSize[0]

    return image

Answer 1

这样的事情怎么样:

# Use the max filter to make a mask
roi = 3
size = 2 * roi + 1
image_max = ndimage.maximum_filter(image, size=size, mode='constant')
mask = (image == image_max)
image *= mask

# Remove the image borders
image[:roi] = 0
image[-roi:] = 0
image[:, :roi] = 0
image[:, -roi:] = 0

# Optionally find peaks above some threshold
image_t = (image > peak_threshold) * 1

# get coordinates of peaks
f = np.transpose(image_t.nonzero())