Python 中的图像梯度矢量场

Question

我正在尝试获取 Gradient Vector Field of an image using Python (similar to this matlab question)。

这是原图：

这是我的代码：

import numpy as np
import matplotlib.pyplot as plt
import Image
from PIL import ImageFilter

I = Image.open('test.png').transpose(Image.FLIP_TOP_BOTTOM)
I = I.filter(ImageFilter.BLUR)
p = np.asarray(I)
w,h = I.size
y, x = np.mgrid[0:h:500j, 0:w:500j]

dy, dx = np.gradient(p)
skip = (slice(None, None, 3), slice(None, None, 3))

fig, ax = plt.subplots()
im = ax.imshow(I, extent=[x.min(), x.max(), y.min(), y.max()])
ax.quiver(x[skip], y[skip], dx[skip], dy[skip])

ax.set(aspect=1, title='Quiver Plot')
plt.show()

这是结果：

问题是向量似乎不正确。当您放大图像时，这一点会变得更加清晰：

为什么有些向量如预期那样指向中心，而另一些则没有？

可能调用 np.gradient 的结果有问题？

Answer 1

我认为你的奇怪结果至少部分是因为 p 是 uint8 类型。即使是 numpy diff 也会导致此 dtype 数组的值明显不正确。如果您通过将 p 的定义替换为以下内容来转换为有符号整数：p = np.asarray(I).astype(int8) 那么 diff 的结果是正确的。下面的代码给了我一个看起来合理的字段，

import numpy as np
import matplotlib.pyplot as plt
from PIL import Image
from PIL import ImageFilter

I = Image.open('./test.png')
I = I.filter(ImageFilter.BLUR)
p = np.asarray(I).astype('int8')
w,h = I.size
x, y = np.mgrid[0:h:500j, 0:w:500j]

dy, dx = np.gradient(p)
skip = (slice(None, None, 3), slice(None, None, 3))

fig, ax = plt.subplots()
im = ax.imshow(I.transpose(Image.FLIP_TOP_BOTTOM), 
               extent=[x.min(), x.max(), y.min(), y.max()])
plt.colorbar(im)
ax.quiver(x[skip], y[skip], dx[skip].T, dy[skip].T)

ax.set(aspect=1, title='Quiver Plot')
plt.show()

这给出了以下内容：

并关闭它看起来像你期望的那样，

Python 中的图像梯度矢量场

Image Gradient Vector Field in Python

python

gradient

numpy

image

image-processing