填补空洞与寻找峰值

我们使用形态学重建通过腐蚀来填补图像中的空洞（即孤立的暗点）。腐蚀会扩展种子图像的最小值，直到遇到掩膜图像。因此，种子图像和掩膜图像分别代表了重建图像的最大和最小可能值。

我们从一张包含山峰和洞穴的图像开始：

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))

现在我们需要创建种子图像，其中最小值代表侵蚀的起点。为了填补空洞，我们将种子图像初始化为原始图像的最大值。然而，在边界上，我们使用图像的原始值。这些边界像素将是侵蚀过程的起点。然后，我们通过将掩码设置为原始图像的值来限制侵蚀。

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，从边缘向内侵蚀可以去除孔洞，因为（根据定义）孔洞被亮度更高的像素包围。最后，我们可以通过从原始图像中减去重建图像来隔离暗区域。

另外，我们可以使用形态学重建通过膨胀来找到图像中的亮点。膨胀是腐蚀的逆操作，它扩展种子图像的*最大*值，直到遇到掩膜图像。由于这是一个逆操作，我们将种子图像初始化为最小图像强度而不是最大值。其余的过程是相同的。

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()