使用scipy确定“瓶颈”图像区域
我正在做图像处理和数学形态学的工作，使用的是 scipy.ndimage，我觉得这非常有趣。我们的工作是模拟电荷在不同薄膜中的移动，我们试图利用图像分析工具来估计为什么不同的形态表现得更好。
我很快就能使用 ndimage.label 和 distance_transform_edt 来找到连接的部分，并获取它们的大小。我还实现了一个广度优先搜索算法，用来找到这些部分和代表电极的边缘之间的最短路径。
现在，我想确定“瓶颈”或“狭窄通道”区域。我甚至不确定自己是否在找对关键词，因为我在图像处理方面并不是很专业。我在下面给出了两个例子……我想找到像红色圆圈这样的特征，统计它们的数量，并确定它们的大小分布。（考虑到电荷在更宽的瓶颈中移动会更容易。）
问题是我无法给这些区域标记，因为它们不是独立的部分。距离变换给我的边缘处的数值很小……我想要的是通过这些瓶颈的最小距离。
有没有建议我该去哪里找资料或一些通用的策略？
1 个回答
我们可以使用中轴变换来计算每个点的球体半径，以便找到图像中的凹陷部分。在下面的例子中，我们利用距离函数的分水岭算法，结合距离函数本身，来获得分隔最小值（图像中的白色部分）的轮廓。这就形成了一条路径，这条路径的权重是距离函数的最大值，用来分隔两个白色部分。我在Matlab中做过这个，但我觉得在Scikit图像工具箱中也很容易实现。
图像1:
填补空洞，因为它们不是路径:
距离函数：（热图）
距离函数的分水岭（路径）：
按距离函数加权的分水岭（最终路径）：
图像2:
距离函数：
距离函数的分水岭（路径）：
按距离函数加权的分水岭（最终路径）：
正如所展示的，我们通过影响区域计算了技术上的骨架（SKIZ），使用的是距离函数的分水岭（这里使用的是城市街区距离）。需要注意的是，边缘的空洞没有被填补，因为imfill会忽略边缘的空洞。如果需要填补，可以在周围加一个框，这样就可以使用imfill来填补这些空洞。