scipy

Question

का उपयोग करके सोबेल फ़िल्टर को लागू करना मैं एक छवि पर सोबेल फ़िल्टर को लागू करने की कोशिश कर रहा हूं ताकि scipy का उपयोग कर किनारों का पता लगाया जा सके। मैं विंडोज 7 अल्टीमेट (64 बिट) पर पायथन 3.2 (64 बिट) और एससीपी 0.9.0 का उपयोग कर रहा हूं। वर्तमान में मेरे कोड इस प्रकार है:

import scipy 
from scipy import ndimage 

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

मैं मैं गलत क्या कर रही हूं पता नहीं है, लेकिन प्रसंस्कृत छवि क्या यह होना चाहिए की तरह कुछ भी नहीं लगती है। छवि, 'bike.jpg' एक ग्रेस्केल (मोड 'एल' नहीं 'आरजीबी') छवि है, इसलिए प्रत्येक पिक्सेल में इसके साथ केवल एक मान जुड़ा होता है।

दुर्भाग्य से मैं यहाँ छवियों पोस्ट कर सकते हैं अभी तक नहीं (पर्याप्त प्रतिष्ठा नहीं है), लेकिन मैं नीचे दिए गए लिंक प्रदान की है:

मूल छवि (bike.jpg): http://s2.postimage.org/64q8w613j/bike.jpg

SciPy फ़िल्टर (sobel.jpg): http://s2.postimage.org/64qajpdlb/sobel.jpg

अपेक्षित आउटपुट: http://s1.postimage.org/5vexz7kdr/normal_sobel.jpg

मैं स्पष्ट रूप से जा रहा हूँ गलत रों omewhere! क्या कोई मुझे बता सकता है कि कहां है। धन्यवाद।

Answer 1

1) उच्च परिशुद्धता का उपयोग करें। 2) आप केवल शून्य धुरी के साथ व्युत्पन्न के अनुमान की गणना कर रहे हैं। 2 डी सोबेल ऑपरेटर को Wikipedia पर समझाया गया है। इस कोड को आजमाएं:

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

मैं cgohlke के उत्तर पर टिप्पणी नहीं कर सका इसलिए मैंने एक जवाब के साथ अपना जवाब दोहराया। पैरामीटर क्षैतिज व्युत्पन्न के लिए खड़ी व्युत्पन्न और के लिए प्रयोग किया जाता है (पहले एक छवि सरणी की धुरी y/ऊर्ध्वाधर दिशा है - पंक्तियों, और दूसरा अक्ष एक्स/क्षैतिज दिशा है - कॉलम)। बस अन्य उपयोगकर्ताओं को चेतावनी देना चाहता था, क्योंकि गलत जगहों पर गलती की तलाश में 1 घंटा खो गया था।

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

या आप उपयोग कर सकते हैं:

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 

और अधिक देखने के लिए here