边缘梯度 Python

Question

我有一个包含两个类图像的数据集：Cityscape 和 Landscape。我想要做的是计算每个图像边缘的梯度（方向）并显示城市景观图像比风景图像具有更多 vertical/horizontal 边缘。

我所做的是计算垂直、水平、45度和135度的边缘。我对图像应用了 Canny 过滤器，计算了 x,y 梯度，并对图像应用了一个阈值，表明它显示了高于该阈值的边缘。此处可以看到此阈值处理的结果：

这是我用于此图像处理以及计算梯度的代码：

def gradient(image):    

    # Step 1
    img = image
    gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

    # Step 2
    bi = cv2.bilateralFilter(gray, 15, 75, 75)

    # Step 3
    dst = cv2.Canny(bi, 100, 200)
    #print(np.count_nonzero(dst))  #--> make sure it's not all zeroes

    # Step 4
    #--- create a black image to see where those edges occur ---
    mask = np.zeros_like(gray)

    #--- applying a threshold and turning those pixels above the threshold to white ---           
    mask[dst > 0.1 * dst.max()] = 255

    # Step 5
    img[dst > 0.1 * dst.max()] = [255, 0, 0]   #--- [255, 0, 0] --> Red ---

    Gx = cv2.Sobel(mask,cv2.CV_64F,1,0,ksize=5)
    Gy = cv2.Sobel(mask,cv2.CV_64F,0,1,ksize=5)

    #orientation of the edges
    theta = np.arctan2(Gy, Gx)

    #magnitude
    M = np.sqrt(Gx*Gx + Gy*Gy)

    #Vertical edges: 
    v = abs(Gy)

    #Horizontal edges: 
    h = abs(Gx)

    #45 Degree edges: 
    deg45 = M*abs(np.cos(theta - np.pi/4))

    #135 Degree edges: 
    deg135 = M*abs(np.cos(theta - 3*np.pi/4))

    print('Vertical:')
    #print(v)
    print(np.count_nonzero(v))
    print('Horizontal:')
    #print(h)
    print(np.count_nonzero(h))

我想要的是为上图中显示为红色的边缘计算 v,h,deg45,deg135（第 5 步）。如果这不可能，则对具有白色边缘的图像执行此操作（步骤 4）。有人可以帮忙吗？

编辑： 为了避免混淆，我想做的是获取给定图像中垂直、水平等边缘的数量，以便我可以比较它们城市景观与风景图像的数字。

Answer 1

如果您想要的是包含水平边缘与垂直边缘的像素总数，我建议为水平与垂直定义一些阈值（比如 15 度）。所以你可以计算 theta 的元素数量 abs(theta) < pi/12（横向）或 abs(theta) > pi-pi/12（水平）或 pi/2 - pi/12 < abs(theta) < pi/2+pi/12（垂直）

您在 v 和 h 中存储的是每个点的梯度的垂直和水平分量，您需要比较 v 和 v 的值h 来确定每个点的梯度向量是水平的还是垂直的。比较 theta 可能是最直观的方法。

为了获得满足特定条件的 theta 元素的数量，我建议使用 generator expression:

sum(1 for i in theta if (abs(i)<pi/12) or (abs(i)>pi-pi/12))

例如会给你水平边缘像素的数量。

Answer 2

如果你想计算或控制图像中有多少线性特征，我认为 Hough 变换更适合你的需要，你可以计算每个特定方向有多少线性特征（在 hough space).一旦您开始使用 Python，this and this link 可能会有帮助！

边缘梯度 Python

Gradient of edges Python

python

image-processing

canny-operator