您好,登錄后才能下訂單哦!
這篇文章主要介紹“python如何實(shí)現(xiàn)圖像邊緣檢測(cè)”,在日常操作中,相信很多人在python如何實(shí)現(xiàn)圖像邊緣檢測(cè)問(wèn)題上存在疑惑,小編查閱了各式資料,整理出簡(jiǎn)單好用的操作方法,希望對(duì)大家解答”python如何實(shí)現(xiàn)圖像邊緣檢測(cè)”的疑惑有所幫助!接下來(lái),請(qǐng)跟著小編一起來(lái)學(xué)習(xí)吧!
背景
邊緣檢測(cè)是數(shù)字圖像處理領(lǐng)域的一個(gè)常用技術(shù),被廣泛應(yīng)用于圖像特征提取、目標(biāo)識(shí)別、計(jì)算機(jī)視覺(jué)等領(lǐng)域。邊緣可以理解為像素值發(fā)生躍遷的地方,而邊緣檢測(cè)就是要找到這樣的地方。如下圖所示,對(duì)左圖進(jìn)行邊緣檢測(cè),結(jié)果為右圖。
基于卷積運(yùn)算可實(shí)現(xiàn)邊緣檢測(cè),對(duì)圖像 1(設(shè)分辨率為 w×h)進(jìn)行邊緣檢測(cè)的方法如下:
1)將圖像 1 轉(zhuǎn)換成灰度圖,仍稱(chēng)為圖像 1;
2)新建圖像 2,圖像 2 為灰度圖,分辨率與圖像 1 相同;
3)對(duì)于圖像 1 中坐標(biāo)為 (x,y) 的像素 p,求 p 的卷積 c,若 c>0,則將圖像 2 中 (x,y) 處的像素值設(shè)置成 0(即黑色),否則設(shè)置成 255(即白色),其中,1≤x≤w−2、1≤y≤h−2;
4)保存圖像 2,圖像 2即存放了檢測(cè)結(jié)果。
其中,第 3 步要計(jì)算 (x,y) 處像素 p 的卷積 c,計(jì)算方法如下:
1)選擇一個(gè)卷積核(本關(guān)選擇的卷積核是一個(gè)如上左圖所示的 3×3 矩陣);
2)選取以 p 為中心的 3×3 圖像區(qū)域,如上右圖所示,每個(gè)小方格代表一個(gè)像素,數(shù)字表示像素顏色值,像素 p 的坐標(biāo)為 (x,y),則選取的圖像區(qū)域?yàn)辄S色底紋區(qū)域;
3)對(duì)于步驟 1 中選擇的 3×3 卷積核和步驟 2 中選取的 3×3 圖像區(qū)域,將它們對(duì)應(yīng)位置的元素相乘,然后再求和,即得到像素 p 的卷積 c,例如,上圖中的像素 p 的卷積為:
c=1×11+1×12+1×13+1×14−8×15+1×101+1×16+1×102+1×103=252
任務(wù)
本關(guān)任務(wù)是補(bǔ)全程序,使其能進(jìn)行邊緣檢測(cè)。本關(guān)程序與上關(guān)結(jié)構(gòu)類(lèi)似,可參考上關(guān)。
相關(guān)知識(shí)
略。
編程要求
在 Begin-End 區(qū)間補(bǔ)全代碼,具體要求見(jiàn)上。
測(cè)試說(shuō)明
測(cè)試集正確結(jié)果如下:
(1 , 1 ) -> 0
(34 , 27) -> -537
(117, 78) -> -576
(242, 97) -> 528
(276, 61) -> 0
你的圖像與正確答案相同!
說(shuō)明如下:
1)系統(tǒng)會(huì)調(diào)用你編寫(xiě)的convolute函數(shù),并以“像素坐標(biāo) -> 卷積”的格式打印結(jié)果,如測(cè)試集第 1 行的(1 , 1 ) -> 0表示:(1,1) 處像素的卷積為0;
2)此外,系統(tǒng)會(huì)檢查程序生成的圖像文件,若正確則在測(cè)試集最后一行打印你的圖像與正確答案相同!。
開(kāi)始你的任務(wù)吧,祝你成功!
from PIL import Image # 求圖像img中(x,y)處像素的卷積c def convolute(img, x, y): ########## Begin ########## juanjihe = [1,1,1,1,-8,1,1,1,1] L = [] xl = [x - 1, x, x + 1] yl = [y - 1, y, y + 1] for j in yl: for i in xl: gray = img.getpixel((i, j)) # 取出灰度值 L.append(gray) c = 0 for i,j in zip(juanjihe,L): c = c + i*j ########## End ########## return c # 對(duì)圖像文件1進(jìn)行邊緣檢測(cè),并將結(jié)果保存為圖像文件2 # 圖像文件1和2的路徑分別為path2和path3 def detectEdge(path2, path3): img1 = Image.open(path2) # 圖像1 img1 = img1.convert('L') # 將圖像1轉(zhuǎn)換為灰度圖 w, h = img1.size img2 = Image.new('L', (w, h), 'white') # 圖像2 ########## Begin ########## ##此部分功能:依次求img1中每個(gè)像素的卷積c,再將c放到img2的對(duì)應(yīng)位置 for x in range(1, w - 1): for y in range(1, h - 1): c = convolute(img1, x, y) # 計(jì)算卷積c if c>0: s=0 else: s=255 img2.putpixel((x, y), s) # 再將c放到img2的對(duì)應(yīng)位置 ########## End ########## img2.save(path3) path2 = 'step5.bmp' # 原始圖像 path3 = 'step5_2.bmp' # 檢測(cè)到的邊緣圖像 detectEdge(path2, path3)
到此,關(guān)于“python如何實(shí)現(xiàn)圖像邊緣檢測(cè)”的學(xué)習(xí)就結(jié)束了,希望能夠解決大家的疑惑。理論與實(shí)踐的搭配能更好的幫助大家學(xué)習(xí),快去試試吧!若想繼續(xù)學(xué)習(xí)更多相關(guān)知識(shí),請(qǐng)繼續(xù)關(guān)注億速云網(wǎng)站,小編會(huì)繼續(xù)努力為大家?guī)?lái)更多實(shí)用的文章!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀(guān)點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。