kimimaro

一键提取3D分割骨架，助力神经元与血管分析

kimimaro 是一个用于三维图像分割骨架化的开源工具，基于 TEASAR 算法实现中轴变换。它主要解决生物医学图像分析中，对密集标注的 3D 分割结果提取中心线或骨架的问题，例如神经元重建、血管网络分析等。其核心能力包括：高效处理大规模体素数据，支持多类标签同时骨架化，并能生成拓扑保持的单体素宽骨架。该工具采用 C++ 编写，性能优异，适用于连接组学等对精度和速度要求高的场景。通过提供简洁的 API，用户可以方便地将分割掩膜转换为可用于后续分析或可视化的骨架结构。

开源 free 计算机视觉

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 216

维护状态维护中

是否开源是

定价模式 free

项目数据

分类计算机视觉

开发团队seung-lab

所属国家

官网地址

GitHubhttps://github.com/seung-lab/kimimaro

定价模式free

价格说明开源项目，GPL-3.0许可，可自由使用和修改，无付费版本。

访问状态

是否开源是

开源协议GPL-3.0

主要语言C++

技术栈/模型biomedical-image-processing,centerline,centerline-extraction,computer-vision-algorithms,connectomics,cross-section,cross-section-area,image-segmentation,medial-axis-transform,python,skeletonization,skeletons,teasar,volumetric-data,voxel

GitHub 星标★ 216

30天Star增速

HF 下载量

上线时间2019-01-16 00:00:00

最近更新2026-09-22 00:00:00

维护状态维护中

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-10

浏览次数5

使用教程

核心亮点

基于 TEASAR 算法，骨架提取精度高，拓扑保持好
C++ 实现，处理大规模体素数据速度快
支持多类标签同时骨架化，适合复杂场景

不足之处

文档相对简略，上手可能需要参考论文
社区规模较小，示例和教程有限

适用场景

神经科学中神经元形态重建
生物医学图像中血管网络中心线提取
材料科学中孔隙或纤维结构分析

替代项目

scikit-image (skeletonize)、TEASAR (Python 实现)、Vaa3D

项目介绍

kimimaro 是计算机视觉领域的开源项目，由 seung-lab 开发，2019 年首次发布。

它收录于计算机视觉分类，该分类目前共有 447 个项目，GitHub 星标数为 216。

项目仍在小幅维护中，最近一次代码更新于 2026-09-22。GPL-3.0许可，可自由使用和修改，无付费版本。

它主要面向的使用场景是：神经科学中神经元形态重建。同类可对比的替代方案包括 scikit-image (skeletonize)、TEASAR (Python 实现)、Vaa3D。

上一篇：piccante

下一篇：BiaPy