Я пытаюсь определить градиентное изображение цветного изображения, используя skimage в python.
Я следую следующему методу:
1) Для каждой из полос RGB вычислить градиент для каждой полосы. В результате получается 6 массивов, по 2 для каждой цветовой полосы. Каждая цветовая полоса имеет градиент в обоих направлениях x и y. (2 направления x 3 цвета = 6 массивов).
2) Чтобы определить градиент изображения, рассчитайте величину каждой из цветовых полос как:
Градиент = ((Rx^2 + Ry^2) + (Gx^2 + Gy^2) + (Bx^2 + By^2))^0,5
Но результат очень шумный и градиент нечеткий.
import numpy as np
import matplotlib.pyplot as plt
import scipy.ndimage as nd
import skimage.data as dt
img = dt.astronaut()
def gradient(img, x = True, y = True):
f1 = np.array([[-1,-2,-1], [0,0,0], [1,2,1]])
f2 = np.array([[-1,-2,-1], [0,0,0], [1,2,1]]).T
vert_gradient =nd.correlate(img, f1)
horz_gradient =nd.correlate(img, f2)
if x:
return(horz_gradient)
else:
return (vert_gradient)
Rx = gradient(img[:,:,0], y = False)
Ry = gradient(img[:,:,0], x = False)
Gx = gradient(img[:,:,1], y = False)
Gy = gradient(img[:,:,1], x = False)
Bx = gradient(img[:,:,2], y = False)
By = gradient(img[:,:,2], x = False)
grad = np.sqrt(np.square(Rx) + np.square(Ry)) + np.sqrt(np.square(Gx) + np.square(Gy)) + np.sqrt(np.square(Bx) + np.square(By))
grad = ((grad - grad.min()) / (grad.max() - grad.min())) * 255 # rescale for full dynamic range for 8 bit image
grad = grad.astype(np.uint8)
plt.subplot(1,2,1)
plt.imshow(img)
plt.subplot(1,2,2)
plt.imshow(grad)
plt.show()
На изображении с градиентом мы видим цветовые градиенты, но они не такие четкие и много шума.
Я также попытался сгладить шум на каждой цветовой полосе перед вычислением градиента.
Как улучшить этот результат без использования OpenCv?