Python/scipy 中的一维非最大抑制答案

【问题标题】：1D non-maximum suppression in Python/scipyPython/scipy 中的一维非最大抑制
【发布时间】：2011-08-29 13:57:51
【问题描述】：

你是否碰巧有一个用 Python 编写的一维非极大值抑制算法。我需要它来使用 scipy 在 Python 中制作 Canny 边缘检测器，该检测器将一维强度向量作为输入。

我在网上四处查看，有很多描述 Canny 边缘检测器行为的信息和一些用 Java 编写的示例，但它们都描述了 2D 中的边缘检测。

但是 scipy 确实支持 Canny 边缘检测所需的其他算法，即一维的高斯滤波和微分。

提前致谢。

【问题讨论】：

标签： python scipy edge-detection

【解决方案1】：

您只是指最大过滤器吗？如果是这样，请查看scipy.ndimage.maximum_filter1d

举个简单的例子：

import numpy as np
import scipy.ndimage as ndimage

input = np.sin(np.linspace(0, 4*np.pi, 20))
input = (input * 10).astype(np.int) # Makes it easier to read
output = ndimage.maximum_filter1d(input, 4)

print 'In: ', input
print 'Out:', output

这会产生：

In:  [ 0  6  9  9  4 -1 -7 -9 -8 -3  3  8  9  7  1 -4 -9 -9 -6  0]
Out: [ 6  9  9  9  9  9  4 -1 -3  3  8  9  9  9  9  7  1 -4  0  0]

【讨论】：

【解决方案2】：

我假设您的数据不是周期性的。让我给你一个伪代码，希望这就足够了。

-- 区分数据

-- 您正在寻找差异中的符号变化。对于 Max 来说，这将从正面变为负面；零是一个特例。 numpy.sign() 为您提供 -1、0、1 中每个值的符号，分别表示负值、零值和正值。

-- 你可以再次区分——你正在寻找 -2 和 -1 或最小抑制 2 和 1。正确处理边界。

祝你好运

import matplotlib.pyplot as plt
import numpy as np

dat= np.linspace(1, 5, 5)
dat2 = np.concatenate([dat, dat[::-1]+.5, dat,dat[::-1]])
## ignore above.

res = np.diff(np.sign(np.diff(dat2, prepend=[0])), append=0)
plt.plot(dat2)  ## NB end conditions, and you can ignore plotting
plt.plot(res)

干杯，E

【讨论】：