如何在Python中实现与MATLAB bwskel一致的骨架化效果？

以下是几种能让Python生成和MATLAB bwskel(logical(I3A)) 一致结果的方法：

方法1：使用scikit-image的skeletonize并指定Lee算法 #

MATLAB的bwskel核心基于经典骨架化算法，scikit-image的skeletonize函数提供的lee方法（Lee's算法）更贴近MATLAB的实现逻辑。代码示例：

from skimage.morphology import skeletonize

# 将输入掩码转换为布尔型二值图（1为细胞区域，0为背景）
binary_img = I3A > 0
# 用Lee算法生成骨架
skeleton = skeletonize(binary_img, method='lee')

方法2：使用OpenCV的细化函数 #

OpenCV的ximgproc.thinning实现的细化算法和MATLAB的bwskel匹配度较高，步骤如下：

import cv2
import numpy as np

# 转换为OpenCV要求的uint8格式（255代表前景）
binary_img = (I3A > 0).astype(np.uint8) * 255
# 执行细化操作
skeleton = cv2.ximgproc.thinning(binary_img)
# 转换回布尔型数组
skeleton = skeleton > 0

方法3：手动修剪骨架短分支 #

如果上述方法仍有差异，可对scikit-image生成的骨架进行短分支修剪，模拟MATLAB默认的骨架修剪逻辑：

from skimage.morphology import medial_axis, remove_small_objects

binary_img = I3A > 0
# 生成初始骨架
skeleton = medial_axis(binary_img)
# 移除像素数小于N的小分支（N根据你的图像调整，比如设为3）
skeleton = remove_small_objects(skeleton.astype(bool), min_size=3)

也可以通过多次调用thin函数逐步修剪：

from skimage.morphology import thin

skeleton = binary_img
# 迭代5次细化，可根据效果调整次数
for _ in range(5):
    skeleton = thin(skeleton)

关键注意点 #

• 确保输入二值化一致：MATLAB的logical(I3A)和Python的I3A > 0完全等价，都是将1作为前景（细胞）、0作为背景。
• 若处理3D掩码，需确认MATLAB和Python函数的3D实现差异，scikit-image的medial_axis支持3D，但OpenCV的细化仅支持2D。

内容的提问来源于stack exchange，提问作者msshah