填補孔洞與尋找峰值

我們使用形態學侵蝕重建來填補影像中的孔洞（即孤立的暗點）。侵蝕會擴展種子影像的最小值，直到它遇到遮罩影像。因此，種子影像和遮罩影像代表重建影像的最大和最小可能值。

我們從包含峰值和孔洞的影像開始

import matplotlib.pyplot as plt

from skimage import data
from skimage.exposure import rescale_intensity

image = data.moon()
# Rescale image intensity so that we can see dim features.
image = rescale_intensity(image, in_range=(50, 200))

現在我們需要建立種子影像，其中最小值代表侵蝕的起點。為了填補孔洞，我們將種子影像初始化為原始影像的最大值。然而，沿著邊界，我們使用影像的原始值。這些邊界像素將是侵蝕過程的起點。然後，我們透過將遮罩設定為原始影像的值來限制侵蝕。

import numpy as np
from skimage.morphology import reconstruction

seed = np.copy(image)
seed[1:-1, 1:-1] = image.max()
mask = image

filled = reconstruction(seed, mask, method='erosion')

如上所示，從邊緣向內侵蝕會移除孔洞，因為（根據定義）孔洞被較亮值的像素包圍。最後，我們可以透過從原始影像中減去重建影像來隔離暗區。

或者，我們可以使用形態學膨脹重建來尋找影像中的亮點。膨脹是侵蝕的反向操作，它會擴展種子影像的最大值，直到它遇到遮罩影像。由於這是一個反向操作，我們將種子影像初始化為最小影像強度，而不是最大值。其餘過程相同。

seed = np.copy(image)
seed[1:-1, 1:-1] = image.min()
rec = reconstruction(seed, mask, method='dilation')

fig, ax = plt.subplots(2, 2, figsize=(5, 4), sharex=True, sharey=True)
ax = ax.ravel()

ax[0].imshow(image, cmap='gray')
ax[0].set_title('Original image')
ax[0].axis('off')

ax[1].imshow(filled, cmap='gray')
ax[1].set_title('after filling holes')
ax[1].axis('off')

ax[2].imshow(image - filled, cmap='gray')
ax[2].set_title('holes')
ax[2].axis('off')

ax[3].imshow(image - rec, cmap='gray')
ax[3].set_title('peaks')
ax[3].axis('off')
plt.show()