web-dev-qa-db-ja.com

scipyを使用してSobelフィルターを適用する

画像にSobelフィルターを適用して、scipyを使用してエッジを検出しようとしています。私はWindows7 Ultimate（64ビット）でPython 3.2（64ビット）とscipy 0.9.0を使用しています。現在、私のコードは次のとおりです。

import scipy
from scipy import ndimage

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

何が間違っているのかわかりませんが、処理された画像は本来あるべき姿とはまったく異なります。画像「bike.jpg」はグレースケール（モード「L」ではなく「RGB」）画像であるため、各ピクセルには1つの値しか関連付けられていません。

残念ながら、私はまだここに画像を投稿することはできません（十分な評判がありません）が、以下のリンクを提供しました：

元の画像（bike.jpg）： http://s2.postimage.org/64q8w613j/bike.jpg

Scipy Filtered（sobel.jpg）： http://s2.postimage.org/64qajpdlb/sobel.jpg

期待される出力： http://s1.postimage.org/5vexz7kdr/normal_sobel.jpg

私は明らかにどこかで間違っています！誰か教えてくれませんか。ありがとう。

pythonscipyedge-detection
11
Feanor

1）より高い精度を使用します。 2）ゼロ軸に沿った導関数の近似値のみを計算しています。 2D Sobel演算子については、 Wikipedia で説明されています。このコードを試してください：

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)
25
cgohlke

私はcgohlkeの答えにコメントできなかったので、私は彼の答えを訂正して繰り返しました。パラメータは垂直導関数に使用され、1は水平導関数に使用されます（画像配列の最初の軸はy /です）垂直方向-行、2番目の軸はx /水平方向-列）。間違った場所で間違いを探すのに1時間もかかったので、他のユーザーに警告したかっただけです。

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)
7
recodeFuture

または使用できます：

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

詳細については、 ここ を参照してください。

1
Walid Bousseta