python如何實現圖像邊緣檢測

這篇文章主要介紹“python如何實現圖像邊緣檢測”，在日常操作中，相信很多人在python如何實現圖像邊緣檢測問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”python如何實現圖像邊緣檢測”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

任務描述

背景

邊緣檢測是數字圖像處理領域的一個常用技術，被廣泛應用于圖像特征提取、目標識別、計算機視覺等領域。邊緣可以理解為像素值發生躍遷的地方，而邊緣檢測就是要找到這樣的地方。如下圖所示，對左圖進行邊緣檢測，結果為右圖。

基于卷積運算可實現邊緣檢測，對圖像 1（設分辨率為 w×h）進行邊緣檢測的方法如下：

1）將圖像 1 轉換成灰度圖，仍稱為圖像 1；
2）新建圖像 2，圖像 2 為灰度圖，分辨率與圖像 1 相同；
3）對于圖像 1 中坐標為 (x,y) 的像素 p，求 p 的卷積 c，若 c>0，則將圖像 2 中 (x,y) 處的像素值設置成 0（即黑色），否則設置成 255（即白色），其中，1≤x≤w−2、1≤y≤h−2；
4）保存圖像 2，圖像 2即存放了檢測結果。

其中，第 3 步要計算 (x,y) 處像素 p 的卷積 c，計算方法如下：

1）選擇一個卷積核（本關選擇的卷積核是一個如上左圖所示的 3×3 矩陣）；
2）選取以 p 為中心的 3×3 圖像區域，如上右圖所示，每個小方格代表一個像素，數字表示像素顏色值，像素 p 的坐標為 (x,y)，則選取的圖像區域為黃色底紋區域；
3）對于步驟 1 中選擇的 3×3 卷積核和步驟 2 中選取的 3×3 圖像區域，將它們對應位置的元素相乘，然后再求和，即得到像素 p 的卷積 c，例如，上圖中的像素 p 的卷積為：

c=1×11+1×12+1×13+1×14−8×15+1×101+1×16+1×102+1×103=252

任務

本關任務是補全程序，使其能進行邊緣檢測。本關程序與上關結構類似，可參考上關。

相關知識

略。

編程要求

在 Begin-End 區間補全代碼，具體要求見上。

測試說明

測試集正確結果如下：

(1  , 1 ) -> 0
(34 , 27) -> -537
(117, 78) -> -576
(242, 97) -> 528
(276, 61) -> 0

你的圖像與正確答案相同！

說明如下：

1）系統會調用你編寫的convolute函數，并以“像素坐標 -> 卷積”的格式打印結果，如測試集第 1 行的(1 , 1 ) -> 0表示：(1,1) 處像素的卷積為0；
2）此外，系統會檢查程序生成的圖像文件，若正確則在測試集最后一行打印你的圖像與正確答案相同！。

開始你的任務吧，祝你成功！

from PIL import Image


# 求圖像img中(x,y)處像素的卷積c
def convolute(img, x, y):
    ########## Begin ##########
    juanjihe = [1,1,1,1,-8,1,1,1,1]
    L = []
    xl = [x - 1, x, x + 1]
    yl = [y - 1, y, y + 1]
    for j in yl:
        for i in xl:
            gray = img.getpixel((i, j))  # 取出灰度值
            L.append(gray)
    c = 0
    for i,j in zip(juanjihe,L):
        c = c + i*j
    ########## End ##########
    return c


# 對圖像文件1進行邊緣檢測，并將結果保存為圖像文件2
# 圖像文件1和2的路徑分別為path2和path3
def detectEdge(path2, path3):
    img1 = Image.open(path2)  # 圖像1
    img1 = img1.convert('L')  # 將圖像1轉換為灰度圖
    w, h = img1.size
    img2 = Image.new('L', (w, h), 'white')  # 圖像2
    ########## Begin ##########
    ##此部分功能：依次求img1中每個像素的卷積c，再將c放到img2的對應位置
    for x in range(1, w - 1):
        for y in range(1, h - 1):
            c = convolute(img1, x, y)  # 計算卷積c
            if c>0:
                s=0
            else:
                s=255
            img2.putpixel((x, y), s)  # 再將c放到img2的對應位置
    ########## End ##########
    img2.save(path3)


path2 = 'step5.bmp'  # 原始圖像
path3 = 'step5_2.bmp'  # 檢測到的邊緣圖像
detectEdge(path2, path3)

到此，關于“python如何實現圖像邊緣檢測”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！