边梯度Python

Question

我有一个包含两类图像的数据集:城市景观和景观。我想要做的是计算每幅图像边缘的梯度(方向)，并表明城市景观的图像比景观图像有更多的垂直/水平边缘。

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滤波器，计算了x，y梯度，并对图像应用了一个阈值，显示了高于该阈值的边缘。这一阈值化的结果如下所示：

​

这是我的代码，用于处理图像以及计算渐变：

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))

我想要的是为上面的图像中显示为红色的边缘计算v,h,deg45,deg135 (步骤5)。如果这是不可能的，那么对具有白色边缘的图像执行此操作(步骤4)。有人能帮忙吗？

编辑:为了避免混淆，我想要做的是获取给定图像中的垂直、水平等边缘的数量，这样我就可以比较城市景观和景观图像的数字。

Answer 1

如果您想要的是包含水平和垂直边缘的像素总数，我建议为水平和垂直(例如15度)定义一些阈值。因此，您可以计算theta中abs(theta) < pi/12 (水平)、abs(theta) > pi-pi/12 (水平)或pi/2 - pi/12 < abs(theta) < pi/2+pi/12 (垂直)的元素数。

在v和h中存储的是每个点上梯度的垂直和水平分量，您需要的是比较v和h的值，以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。

为了得到θ中满足特定条件的元素数，我建议使用生成器表达式

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

例如，给出水平边缘像素的数目。

Answer 2

我认为Hough变换更适合您的需要，如果您想要计数或控制您的图像中有多少线性特征，您可以计算每个特定方向的线性特征数(在hough空间中)。一旦您正在使用Python，这和这链接可能会有帮助！