在matlab中，我可以使用图像处理工具箱中的这些函数来"干净"；一种距离变换和种子定位的分水岭算法。我为python找到的教程包括对距离变换进行阈值处理以获得种子，这在我的情况下并不奏效，因为我的所有功能都不是相同的大小，距离变换的强度取决于与背景的绝对距离。
我附上了一个在matlab中实现这些函数的例子，其中白色区域是种子。有没有一种方法可以在python中实现这一点，要么使用现有的函数，要么自己编码？
Matlab文档学分Soille，p.形态学图像分析：原理和应用。Springer Verlag，1999年的大部分图像形态学内容。当试图翻译这些函数时，这是一本非常好的读物。
timeextendedmax((：
imextendedmin()得到H-极小变换的区域极小值，其中H-极小变换只是通过使用(图像+H(作为标记对图像进行侵蚀来进行形态学重建。Scikit图像拥有实现这一目标所需的所有形态学工具：
import skimage.morphology as morph
def extendedmin(img, H):
mask = img.copy()
marker = mask + h
hmin = morph.reconstruction(marker, mask, method='erosion')
return morph.local_minima(hmin)
Matlab结果：CCD_ 2开启"；glass.png"；此函数的结果：python版本
imimposemin((
imimposemin()使用具有1的二进制映射在图像上进行最小值强加，其中您想要施加最小值。下面我详细介绍的函数适用于由0到无穷大的整数组成的图像。要用形态学做到这一点，我们需要将二进制映射变成一个最小值为0、其他地方可能的最大图像值为0的标记。接下来，我们通过取(图像+1(和标记(图像+1允许您在图像已经为0的地方施加最小值(中的元素最小值来创建掩码。最后的结果是通过从标记侵蚀掩模来重建的。
import numpy as np
import skimage.morphology as morph
def imposemin(img, minima):
marker = np.full(img.shape, np.inf)
marker[minima == 1] = 0
mask = np.minimum((img + 1), marker)
return morph.reconstruction(marker, mask, method='erosion')
Matlab结果：CCD_ 4开启"；glass.png"；(左侧图像叠加了标记(此函数的结果：python版本