SciPy的Sobel邊緣檢測，提取外像素

試圖以外提取的像素和它自己的區域內的邊緣內，目前我正在申請的SciPy的Sobel濾波器是這樣的：SciPy的Sobel邊緣檢測，提取外像素

im = scipy.misc.imread(filename) 
im = im.astype('int32') 
dx = ndimage.sobel(im, axis=0) 
dy = ndimage.sobel(im, axis=1) 

mag = np.hypot(dx, dy) 
mag *= 255.0/np.max(mag) 

scipy.misc.imsave('sobel.jpg', mag)

目前的結果是：

的想法是讓邊緣檢測之外的像素，比如這些地區：

如何提取sobel過濾器內外區域的數組？

來源

2016-12-15 Wahtever

你將不得不定義什麼是*外*和什麼*內*。在視覺上，它可能看起來很簡單，因爲你知道你想要提取什麼（一個人），但圖像是計算機的數字數組，並且它不知道更高級別的連接。因此，對於這個特定的例子，你可以一行一行地從左到右屏蔽像素，直到你在sobel漸變中選擇一個*峯*爲止。然而，如果你想要一個通用的方法，它並不像你想象的那麼簡單，並且不會像sobel filter那樣簡單。這是一個https://xkcd.com/1425/ –

的例子如果你的圖像簡單易用，請嘗試使用[opencv]中的輪廓（http://docs.opencv.org/2.4/doc/tutorials/imgproc /shapedescriptors/find_contours/find_contours.html）或[scikit-image]（http://scikit-image.org/docs/dev/auto_examples/plot_contours.html） –

您正試圖解決圖像「分割」問題，它通常是一個非常困難的問題，並且多年來一直是一個非常活躍的研究領域。但是，由於圖像中的背景非常簡單（只是一堵白牆），所以也許可以使用一些簡單的方法。在網上找到一些好的圖像分割代碼可能是最簡單的。 – littleO

這是一種使用交互式圖像分割的方法。在這種方法中，你必須手動標記一些前景像素的一些背景像素，這樣的：

（我沒有在MS標籤油漆。）下面的代碼使用函數skimage。 segmentation.random_walker做圖像分割，併產生這種分割圖像：

（這種方法也可以用更復雜的背景區域的處理圖像）下面的代碼：

import skimage 
import skimage.viewer 
import skimage.segmentation 
import skimage.data 
import skimage.io 
import matplotlib.pyplot as plt 
import numpy as np 

img = skimage.io.imread("D:/Users/Pictures/img.jpg") 
imgLabeled = skimage.io.imread("D:/Users/Pictures/imgLabeled.jpg") 

redChannel = imgLabeled[:,:,0] 
greenChannel = imgLabeled[:,:,1] 
blueChannel = imgLabeled[:,:,2] 
markers = np.zeros(img.shape,dtype=np.uint) 
markers[(redChannel < 20) & (greenChannel > 210) & (blueChannel < 20)] = 1 
markers[(redChannel < 20) & (greenChannel < 20) & (blueChannel > 210)] = 2 
plt.imshow(markers) 

labels = skimage.segmentation.random_walker(img, markers, beta=1000, mode='cg') 

seg1 = np.copy(img) 
seg1[labels==2] = 0 
seg2 = np.copy(img) 
seg2[labels==1] = 0 

# plt.imsave("D:/Users/Pictures/imgSeg.png",seg1) 

plt.figure() 
plt.imshow(seg1) 
plt.figure() 
plt.imshow(seg2)

來源

2016-12-16 10:20:12 littleO

SciPy的Sobel邊緣檢測，提取外像素

回答

相關問題