Opencv Mat：找到所有的峰和谷答案

【问题标题】：Opencv Mat: find all peaks and valleysOpencv Mat：找到所有的峰和谷
【发布时间】：2014-01-16 12:44:42
【问题描述】：

我想知道在 2D 灰度级 Mat 中找到所有峰和谷的最佳方法是什么？

我发现只有 opencv 函数可以找到 Mat 中的局部极值，但不是所有的峰和谷。

所以我试图找出我自己的算法，但我希望有一种方法（已经存在或改进这个）让它更快

我的想法是：

为了找到所有的峰：

然后对从 0 到 255 的山谷重做同样的事情。

那么，你怎么看？

我想有更快的方法吗？

谢谢

PS：我这样做是为了尝试在这样的图像中检测干细胞集落：

因为我认为干细胞集落内部会有更多的峰和谷（中间的大东西）。但恐怕这不是一个很好的方法，因为我的细胞群内的峰似乎比外面的多……

【问题讨论】：

理论上一个好主意，为了让它工作，我会在所有标记为“峰值”或“无峰值”的像素周围定义一个“非峰值”属性以避免以下情况：在完美渐变中255 峰值周围的 254 个像素不会被标记为峰值，但所述 254 周围的所有 253 像素都会被标记。
这就是我使用 Discovered 标记的确切原因。我认为这会避免这种影响，不是吗？
是的，当然，抱歉。由于一个小错误，我误解了您的解释。我现在编辑了你的问题。

【解决方案1】：

如果你想找到所有的局部峰值 - 这里有一个非常有效的算法：对于每个像素，检查它是否 >= 其 8 个相邻像素中的每一个。如果是，则将其标记为局部最大值，否则不标记。您将通过图像一次获得解决方案。
如果您不需要所有的峰，而是说 5 个最高峰而不是另一种解决方案：找到最高峰并用黑色覆盖它，以及它的 7x7 邻域。现在重复这些步骤（找到全局最大值并抑制它）。将此过程重复 5 次，您将获得 5 个最高峰，它们之间的距离至少为 7 个像素。该算法不是很准确，但它简单、快速，并且在许多情况下都能胜任。
如果上述方法不够好，您可能需要一把重型枪。你熟悉“形态重建”吗？如果没有，请谷歌搜索术语“洪水填充”算法并阅读它。它填满了当地的山谷和山峰。之后阅读形态重建。它绝对可以解决您的问题，但如果您不使用 GPU，运行时间可能会很慢。

【讨论】：

【解决方案2】：

一个想法是：

否则你会发现几乎每个像素都是一个峰值。

【讨论】：