如何用Python实现imextendedmin、imimposemin提取距离变换分水岭种子

可以实现，scikit-image库已经封装了和两个Matlab函数功能完全一致的接口，和Matlab原生输出效果匹配，也可以自行根据算法逻辑编码实现，适配你特征尺寸不统一、无法用固定阈值分割距离变换的场景。

1. imextendedmin 对应实现 #

imextendedmin的核心作用是提取图像中深度大于指定阈值的局部极小值区域，Python中直接调用skimage.morphology.h_minima即可，参数语义和Matlab完全一致，你可以直接复用Matlab调试好的阈值参数。
示例代码：

from skimage.morphology import h_minima
import numpy as np

# dist_transform为预计算的距离变换结果，float32类型numpy数组
h_threshold = 2 # 和Matlab imextendedmin的h参数取值逻辑完全一致
seed_candidate = h_minima(dist_transform, h=h_threshold)

输出的seed_candidate就是初步的种子点掩码，和Matlab中imextendedmin的输出结果一致。

2. imimposemin 对应实现 #

imimposemin的核心作用是将指定种子点强制设为图像的局部极小值，消除其他冗余极小值，避免分水岭过分割，Python中直接调用skimage.morphology.impose_minima即可。
示例代码：

from skimage.morphology import impose_minima
from skimage.segmentation import watershed

# 强制注入极小值，得到修正后的距离变换结果
modified_dist = impose_minima(dist_transform, seed_candidate)
# 直接输入分水岭算法完成分割，original_binary_mask为原始前景二值掩码
labels = watershed(-modified_dist, mask=original_binary_mask)

自行编码实现逻辑（无第三方依赖场景） #

如果需要脱离scikit-image自行实现，两个函数的核心逻辑如下：

• imextendedmin：将原距离变换图减去h值作为标记图像，以原距离变换图为掩膜执行灰度形态学重建，重建结果与原图像的差值大于0的区域即为扩展极小值区域
• imimposemin：先构造标记图像，种子点位置赋值为距离变换全局最小值，其余位置赋值为全局最大值，以原距离变换图为掩膜执行灰度形态学重建，最后将种子点位置赋值为全局最小值即可得到修正后的距离变换结果。

内容的提问来源于stack exchange，提问作者user47228