網站首頁 編程語言 正文
本文實例為大家分享了python實現圖像邊緣檢測的具體代碼,供大家參考,具體內容如下
任務描述
背景
邊緣檢測是數字圖像處理領域的一個常用技術,被廣泛應用于圖像特征提取、目標識別、計算機視覺等領域。邊緣可以理解為像素值發生躍遷的地方,而邊緣檢測就是要找到這樣的地方。如下圖所示,對左圖進行邊緣檢測,結果為右圖。
基于卷積運算可實現邊緣檢測,對圖像 1(設分辨率為 w×h)進行邊緣檢測的方法如下:
1)將圖像 1 轉換成灰度圖,仍稱為圖像 1;
2)新建圖像 2,圖像 2 為灰度圖,分辨率與圖像 1 相同;
3)對于圖像 1 中坐標為 (x,y) 的像素 p,求 p 的卷積 c,若 c>0,則將圖像 2 中 (x,y) 處的像素值設置成 0(即黑色),否則設置成 255(即白色),其中,1≤x≤w?2、1≤y≤h?2;
4)保存圖像 2,圖像 2即存放了檢測結果。
其中,第 3 步要計算 (x,y) 處像素 p 的卷積 c,計算方法如下:
1)選擇一個卷積核(本關選擇的卷積核是一個如上左圖所示的 3×3 矩陣);
2)選取以 p 為中心的 3×3 圖像區域,如上右圖所示,每個小方格代表一個像素,數字表示像素顏色值,像素 p 的坐標為 (x,y),則選取的圖像區域為黃色底紋區域;
3)對于步驟 1 中選擇的 3×3 卷積核和步驟 2 中選取的 3×3 圖像區域,將它們對應位置的元素相乘,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
本關任務是補全程序,使其能進行邊緣檢測。本關程序與上關結構類似,可參考上關。
相關知識
略。
編程要求
在 Begin-End 區間補全代碼,具體要求見上。
測試說明
測試集正確結果如下:
(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!
說明如下:
1)系統會調用你編寫的convolute函數,并以“像素坐標 -> 卷積”的格式打印結果,如測試集第 1 行的(1 , 1 ) -> 0表示:(1,1) 處像素的卷積為0;
2)此外,系統會檢查程序生成的圖像文件,若正確則在測試集最后一行打印你的圖像與正確答案相同!。
開始你的任務吧,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
# 對圖像文件1進行邊緣檢測,并將結果保存為圖像文件2
# 圖像文件1和2的路徑分別為path1和path2
def detectEdge(path1, path2):
? ? img1 = Image.open(path1) ?# 圖像1
? ? img1 = img1.convert('L') ?# 將圖像1轉換為灰度圖
? ? w, h = img1.size
? ? img2 = Image.new('L', (w, h), 'white') ?# 圖像2
? ? ########## Begin ##########
? ? ##此部分功能:依次求img1中每個像素的卷積c,再將c放到img2的對應位置
? ? for x in range(1, w - 1):
? ? ? ? for y in range(1, h - 1):
? ? ? ? ? ? c = convolute(img1, x, y) ?# 計算卷積c
? ? ? ? ? ? if c>0:
? ? ? ? ? ? ? ? s=0
? ? ? ? ? ? else:
? ? ? ? ? ? ? ? s=255
? ? ? ? ? ? img2.putpixel((x, y), s) ?# 再將c放到img2的對應位置
? ? ########## End ##########
? ? img2.save(path2)
path1 = 'step5.bmp' ?# 原始圖像
path2 = 'step5_2.bmp' ?# 檢測到的邊緣圖像
detectEdge(path1, path2)
原文鏈接:https://blog.csdn.net/qq_42833469/article/details/121581713
相關推薦
- 2022-03-21 windows設置開機自動運行批處理的方法_DOS/BAT
- 2023-07-26 TypeScript中的對象類型(可選屬性 只讀屬性 交叉類型)
- 2023-03-26 Android視圖綁定方法深入探究_Android
- 2023-03-16 Python?import導入上級目錄文件的方法_python
- 2022-09-17 docker安裝postgresql的圖文教程_docker
- 2022-12-22 go語言中GoMock安裝使用詳解_Golang
- 2022-07-21 html標簽和style的使用及Emmet插件
- 2022-05-21 Kubernetes特別屬性的標簽Label的強大作用_服務器其它
- 最近更新
-
- window11 系統安裝 yarn
- 超詳細win安裝深度學習環境2025年最新版(
- Linux 中運行的top命令 怎么退出?
- MySQL 中decimal 的用法? 存儲小
- get 、set 、toString 方法的使
- @Resource和 @Autowired注解
- Java基礎操作-- 運算符,流程控制 Flo
- 1. Int 和Integer 的區別,Jav
- spring @retryable不生效的一種
- Spring Security之認證信息的處理
- Spring Security之認證過濾器
- Spring Security概述快速入門
- Spring Security之配置體系
- 【SpringBoot】SpringCache
- Spring Security之基于方法配置權
- redisson分布式鎖中waittime的設
- maven:解決release錯誤:Artif
- restTemplate使用總結
- Spring Security之安全異常處理
- MybatisPlus優雅實現加密?
- Spring ioc容器與Bean的生命周期。
- 【探索SpringCloud】服務發現-Nac
- Spring Security之基于HttpR
- Redis 底層數據結構-簡單動態字符串(SD
- arthas操作spring被代理目標對象命令
- Spring中的單例模式應用詳解
- 聊聊消息隊列,發送消息的4種方式
- bootspring第三方資源配置管理
- GIT同步修改后的遠程分支