Peak detection in a 2D array Ask Question

Question

局所最大フィルタを使用してピークを検出しました。4 本の足の最初のデータセットの結果は次のとおりです。ピーク検出結果

私は9本の足の2番目のデータセットでもこれを実行しました。それはうまくいった。

やり方は次のとおりです:

import numpy as np
from scipy.ndimage.filters import maximum_filter
from scipy.ndimage.morphology import generate_binary_structure, binary_erosion
import matplotlib.pyplot as pp

#for some reason I had to reshape. Numpy ignored the shape header.
paws_data = np.loadtxt("paws.txt").reshape(4,11,14)

#getting a list of images
paws = [p.squeeze() for p in np.vsplit(paws_data,4)]


def detect_peaks(image):
    """
    Takes an image and detect the peaks usingthe local maximum filter.
    Returns a boolean mask of the peaks (i.e. 1 when
    the pixel's value is the neighborhood maximum, 0 otherwise)
    """

    # define an 8-connected neighborhood
    neighborhood = generate_binary_structure(2,2)

    #apply the local maximum filter; all pixel of maximal value 
    #in their neighborhood are set to 1
    local_max = maximum_filter(image, footprint=neighborhood)==image
    #local_max is a mask that contains the peaks we are 
    #looking for, but also the background.
    #In order to isolate the peaks we must remove the background from the mask.

    #we create the mask of the background
    background = (image==0)

    #a little technicality: we must erode the background in order to 
    #successfully subtract it form local_max, otherwise a line will 
    #appear along the background border (artifact of the local maximum filter)
    eroded_background = binary_erosion(background, structure=neighborhood, border_value=1)

    #we obtain the final mask, containing only peaks, 
    #by removing the background from the local_max mask (xor operation)
    detected_peaks = local_max ^ eroded_background

    return detected_peaks


#applying the detection and plotting results
for i, paw in enumerate(paws):
    detected_peaks = detect_peaks(paw)
    pp.subplot(4,2,(2*i+1))
    pp.imshow(paw)
    pp.subplot(4,2,(2*i+2) )
    pp.imshow(detected_peaks)

pp.show()

scipy.ndimage.measurements.label後は、マスクを使用してすべての異なるオブジェクトにラベルを付けるだけです。その後、個別に操作できるようになります。

この方法がうまく機能するのは、背景にノイズがないためです。ノイズがあった場合、背景に他の不要なピークが多数検出されることになります。もう 1 つの重要な要素は、近傍のサイズです。ピークのサイズが変わった場合は、これを調整する必要があります ( はほぼ比例したままになります)。

Answer 1

局所最大フィルタを使用してピークを検出しました。4 本の足の最初のデータセットの結果は次のとおりです。ピーク検出結果

私は9本の足の2番目のデータセットでもこれを実行しました。それはうまくいった。

やり方は次のとおりです:

import numpy as np
from scipy.ndimage.filters import maximum_filter
from scipy.ndimage.morphology import generate_binary_structure, binary_erosion
import matplotlib.pyplot as pp

#for some reason I had to reshape. Numpy ignored the shape header.
paws_data = np.loadtxt("paws.txt").reshape(4,11,14)

#getting a list of images
paws = [p.squeeze() for p in np.vsplit(paws_data,4)]


def detect_peaks(image):
    """
    Takes an image and detect the peaks usingthe local maximum filter.
    Returns a boolean mask of the peaks (i.e. 1 when
    the pixel's value is the neighborhood maximum, 0 otherwise)
    """

    # define an 8-connected neighborhood
    neighborhood = generate_binary_structure(2,2)

    #apply the local maximum filter; all pixel of maximal value 
    #in their neighborhood are set to 1
    local_max = maximum_filter(image, footprint=neighborhood)==image
    #local_max is a mask that contains the peaks we are 
    #looking for, but also the background.
    #In order to isolate the peaks we must remove the background from the mask.

    #we create the mask of the background
    background = (image==0)

    #a little technicality: we must erode the background in order to 
    #successfully subtract it form local_max, otherwise a line will 
    #appear along the background border (artifact of the local maximum filter)
    eroded_background = binary_erosion(background, structure=neighborhood, border_value=1)

    #we obtain the final mask, containing only peaks, 
    #by removing the background from the local_max mask (xor operation)
    detected_peaks = local_max ^ eroded_background

    return detected_peaks


#applying the detection and plotting results
for i, paw in enumerate(paws):
    detected_peaks = detect_peaks(paw)
    pp.subplot(4,2,(2*i+1))
    pp.imshow(paw)
    pp.subplot(4,2,(2*i+2) )
    pp.imshow(detected_peaks)

pp.show()

scipy.ndimage.measurements.label後は、マスクを使用してすべての異なるオブジェクトにラベルを付けるだけです。その後、個別に操作できるようになります。

この方法がうまく機能するのは、背景にノイズがないためです。ノイズがあった場合、背景に他の不要なピークが多数検出されることになります。もう 1 つの重要な要素は、近傍のサイズです。ピークのサイズが変わった場合は、これを調整する必要があります ( はほぼ比例したままになります)。

Peak detection in a 2D array Ask Question

Results

Update:

New update:

ベストアンサー1

おすすめ記事