Áp dụng bộ lọc Sobel bằng cách sử dụng scipy

Question

Tôi đang cố gắng áp dụng bộ lọc Sobel trên một hình ảnh để phát hiện các cạnh bằng cách sử dụng scipy. Tôi đang sử dụng Python 3.2 (64 bit) và scipy 0.9.0 trên Windows 7 Ultimate (64 bit). Mã hiện tại của tôi như sau:

import scipy 
from scipy import ndimage 

im = scipy.misc.imread('bike.jpg') 
processed = ndimage.sobel(im, 0) 
scipy.misc.imsave('sobel.jpg', processed) 

Tôi không biết mình đang làm gì sai, nhưng hình ảnh đã xử lý trông không giống bất cứ thứ gì. Hình ảnh, 'bike.jpg' là hình ảnh màu xám (chế độ 'L' không phải 'RGB') nên mỗi pixel chỉ có một giá trị được liên kết với nó.

Đáng tiếc là tôi không thể gửi những hình ảnh ở đây chưa (không có đủ uy tín) nhưng tôi đã cung cấp các liên kết dưới đây:

Hình ảnh Gốc (bike.jpg): http://s2.postimage.org/64q8w613j/bike.jpg

scipy lọc (sobel.jpg): http://s2.postimage.org/64qajpdlb/sobel.jpg

Output dự kiến: http://s1.postimage.org/5vexz7kdr/normal_sobel.jpg

tôi rõ ràng là đi sai omewhere! Ai đó có thể cho tôi biết ở đâu. Cảm ơn.

Answer 1

1) Sử dụng độ chính xác cao hơn. 2) Bạn chỉ tính toán xấp xỉ đạo hàm dọc theo trục 0. Toán tử Sobel 2D được giải thích trên Wikipedia. Hãy thử mã này:

import numpy 
import scipy 
from scipy import ndimage 

im = scipy.misc.imread('bike.jpg') 
im = im.astype('int32') 
dx = ndimage.sobel(im, 0) # horizontal derivative 
dy = ndimage.sobel(im, 1) # vertical derivative 
mag = numpy.hypot(dx, dy) # magnitude 
mag *= 255.0/numpy.max(mag) # normalize (Q&D) 
scipy.misc.imsave('sobel.jpg', mag) 

Answer 2

Tôi không thể nhận xét về câu trả lời của cgohlke vì vậy tôi đã lặp lại câu trả lời của mình với một sự sửa đổi. Parameter được sử dụng cho dọc phái sinh và cho ngang phái sinh (trục đầu tiên của một mảng hình ảnh là y hướng/dọc - hàng, và trục thứ hai là x/ngang hướng - cột). Chỉ muốn cảnh báo những người dùng khác, bởi vì tôi đã mất 1 giờ để tìm kiếm nhầm lẫn ở những nơi không chính xác.

import numpy 
import scipy 
from scipy import ndimage 

im = scipy.misc.imread('bike.jpg') 
im = im.astype('int32') 
dx = ndimage.sobel(im, 1) # horizontal derivative 
dy = ndimage.sobel(im, 0) # vertical derivative 
mag = numpy.hypot(dx, dy) # magnitude 
mag *= 255.0/numpy.max(mag) # normalize (Q&D) 
scipy.misc.imsave('sobel.jpg', mag) 

Answer 3

hoặc bạn có thể sử dụng:

def sobel_filter(im, k_size): 

    im = im.astype(np.float) 
    width, height, c = im.shape 
    if c > 1: 
     img = 0.2126 * im[:,:,0] + 0.7152 * im[:,:,1] + 0.0722 * im[:,:,2] 
    else: 
     img = im 

    assert(k_size == 3 or k_size == 5); 

    if k_size == 3: 
     kh = np.array([[-1, 0, 1], [-2, 0, 2], [-1, 0, 1]], dtype = np.float) 
     kv = np.array([[1, 2, 1], [0, 0, 0], [-1, -2, -1]], dtype = np.float) 
    else: 
     kh = np.array([[-1, -2, 0, 2, 1], 
        [-4, -8, 0, 8, 4], 
        [-6, -12, 0, 12, 6], 
        [-4, -8, 0, 8, 4], 
        [-1, -2, 0, 2, 1]], dtype = np.float) 
     kv = np.array([[1, 4, 6, 4, 1], 
        [2, 8, 12, 8, 2], 
        [0, 0, 0, 0, 0], 
        [-2, -8, -12, -8, -2], 
        [-1, -4, -6, -4, -1]], dtype = np.float) 

    gx = signal.convolve2d(img, kh, mode='same', boundary = 'symm', fillvalue=0) 
    gy = signal.convolve2d(img, kv, mode='same', boundary = 'symm', fillvalue=0) 

    g = np.sqrt(gx * gx + gy * gy) 
    g *= 255.0/np.max(g) 

    #plt.figure() 
    #plt.imshow(g, cmap=plt.cm.gray)  

    return g 

để biết thêm thấy here