Градиент для цветного изображения в Python

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?

Исходное изображение в сравнении с градиентным


python image-processing scikit-image
person rich    schedule 04.06.2019    source источник
comment
Нам нужно увидеть ваше изображение результата.   -  person Yves Daoust    schedule 04.06.2019
comment
Я бы предложил попробовать более простое изображение, чтобы проверить, жизнеспособен ли этот метод вообще. Например, на тестовом изображении может быть только красный, уменьшающийся от 255 до 0 слева направо. Если вы получаете постоянную величину вектора градиента, вы знаете, что находитесь на правильном пути.   -  person ahota    schedule 04.06.2019
comment
Есть ли конкретная причина для использования указанной вами формулы? В итоге вы получите что-то похожее на фильтр Лапласа, только более сложным образом. Возможно, разница гауссова может дать вам лучшие результаты.   -  person Richard K. Wade    schedule 04.06.2019
comment
Попробуйте сначала преобразовать входное изображение в плавающее.   -  person Cris Luengo    schedule 05.06.2019

Ответы (1)


arrow_upward
0
arrow_downward

Найдите градиент каждого канала отдельно, как это

gradR = np.sqrt(np.square(Rx) + np.square(Ry))
gradG = np.sqrt(np.square(Gx) + np.square(Gy))
gradB = np.sqrt(np.square(Bx) + np.square(By))

сделать новый образ

grad = np.dstack((gradR,gradG,gradB))
person user8190410    schedule 04.06.2019