Python中的高效二维边缘检测

Question

我本质上是在一组2D数据上做一些边缘查找。我希望能够在眼图上找到几个点(通常用于鉴定高速通信系统)，由于我没有图像处理的经验，我正在努力编写有效的方法。

正如你可能看到的，这些图表之所以叫这个名字，是因为它们看起来像人眼。它们可以在厚度、斜率和噪声方面有很大的变化，这取决于信号和被测系统。你知道我该怎么用Python来做这件事吗？我已经在使用NumPy来做一些处理了。

这是一些example data，它被格式化为带有相关x轴数据的一维数组。对于这个特定的示例，它应该每666个点(2 * int((1.0 / 2.5e9) / 1.2e-12))拆分，因为信号的速率是2.5 GB/s，点之间的时间是1.2ps。

谢谢!

​

​

Answer 1

你有没有尝试过OpenCV (开放式计算机视觉)？它被广泛使用，并且有一个Python绑定。

我不想成为一个皮塔，但是你确定你不会更好地使用数值方法吗？我所见过的用于眼图分析的所有工具都是数字路线；我还没有看到一个能够分析图像本身的工具。

您说您的算法在该数据集上非常慢--我的下一个问题将是为什么。您是否正在查看过采样的数据集？(我猜你是。)如果是这样的话，你有没有尝试过先抽取信号？这至少会给你的算法提供更少的样本。

Answer 2

只是沿着你的路线走一段时间，如果你把这些图像读入内存，它不是很容易做两个泛洪填充(开始的中心和左边缘的中间)，包括所有的“白色”数据。如果填充例程记录了每列的最大和最小高度，以及最大水平范围，那么您就拥有了所需的一切。

换句话说，我认为你想得太多了。当边缘不清楚时，边缘检测用于复杂的“自然”场景。在这里，你的边缘是如此的明显，你不需要增强它们。