如何计算TensorFlow中的Sobel边缘检测

Question

我只是用TensorFlow来计算16,96,96,1形状的张量A的Sobel边映射。

我发现在TensorFlow中，有一个名为'tf.image.sobel_edges‘的函数，它可以返回每个通道的边缘映射。对于这个函数，它返回形状为16,96,96,1,2的张量。我的理解是边缘映射应该是二值图像，所以输出应该是16,96,96,1，1，但是这个函数的输出是16，96，96，1，2.如果我只想获得图像的边缘能量，如何从这个函数的输出中获得图像的边缘能量？

你能解释一下吗？提前感谢！

Answer 1

边缘文档表明，返回的张量包含图像沿水平轴和垂直轴的梯度分量，在单通道图像的情况下。为了计算梯度的大小并获得边缘能量图像，我们只需要计算这些分量之和的平方根，这样：

import tensorflow as tf

tf.enable_eager_execution()

img = tf.random.normal(shape=(16,96,96,1),dtype=tf.float32) # replace with your image data

grad_components = tf.image.sobel_edges(img)

grad_mag_components = grad_components**2

grad_mag_square = tf.math.reduce_sum(grad_mag_components,axis=-1) # sum all magnitude components

grad_mag_img = tf.sqrt(grad_mag_square) # this is the image tensor you want