用Numpy计算双能梯度

Question

我对像素(x, y)的“双能量梯度”（Reference）的定义是Δ^2(x, y) + Δy^2(x, y)，其中x-gradient的平方Δx^2(x, y) = Rx(x, y)^2 + Gx(x, y)^2 + Bx(x, y)^2和哪里中心差Rx（x，y），Gx（x，y）和Bx（x，y）是像素（x + 1，y）和像素之间红色，绿色和蓝色分量差异的绝对值（ x-1，y）和y梯度相似。

如何使用numpy有效地计算？

我不确定numpy.gradient是否可以帮助我解决问题。

Answer 1

假设我正确理解了你的公式，这就是我的建议：

from scipy.misc import face
import matplotlib.pyplot as plt
import numpy as np

img = face() # this is just a sample racoon RGB image for testing

#uncomment to show the racoon image
#plt.imshow(img)
#plt.show(img) # this displays the original image

计算x梯度：

gradX = np.gradient(img,axis=0)

计算沿RGB分量的x梯度的平方和：

squareX = np.sum(np.square(gradX),axis=2)

y渐变相同：

gradY = np.gradient(img,axis=1)
squareY = np.sum(np.square(gradY),axis=2)

＆＃34;双能量梯度＆＃34;：

dualEnergy = squareX + squareY

#uncomment to display the image
#plt.imshow(dualEnergy)
#plt.show()

原始图片

<强>双能量

Answer 2

我不知道，如果你的计算有内置函数（也许你想探索scipy.ndimage）。
如果没有，这是仅使用numpy函数的版本：

import numpy as np

#convert from uint8 to int64 to prevent overflow problems
arr = np.array(loaded_pic, dtype = int)
#calculate squared difference ((x-1, y) - (x+1, y))^2 for each R, G and B pixel
deltaX2 = np.square(np.roll(arr, -1, axis = 0) - np.roll(arr, 1, axis = 0))
#same for y axis
deltaY2 = np.square(np.roll(arr, -1, axis = 1) - np.roll(arr, 1, axis = 1))
#add R, G and B values for each pixel, then add x- and y-shifted values
de_gradient = np.sum(deltaX2, axis = 2) + np.sum(deltaY2, axis = 2)

来自linked reference

的示例输入

loaded_pic = np.asarray([[(255, 101, 51), (255, 101, 153), (255, 101, 255)],
                         [(255, 153, 51), (255, 153, 153), (255, 153, 255)],
                         [(255, 203, 51), (255, 204, 153), (255, 205, 255)],
                         [(255, 255, 51), (255, 255, 153), (255, 255, 255)]],
                         dtype = "uint8")

示例输出：

[[20808 52020 20808]
 [20808 52225 21220]
 [20809 52024 20809]
 [20808 52225 21220]]