Question

我想对图像渐变应用Otsu阈值处理（以消除噪点）。之后，我想计算渐变方向。不幸的是，当我这样做时，我只能得到0到90度之间的渐变方向。如果没有Otsu阈值设置，则该值介于0到360之间。

用Python查看我的代码

import numpy as np
import cv2

img = cv2.imread('Ob.png',cv2.IMREAD_GRAYSCALE)
img = img.astype('float32')
img2 = 
dst1 = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=5)
dst2 = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=5)

ret1,th1 = cv2.threshold(dst1.astype(np.uint8),0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
ret2,th2 = cv2.threshold(dst2.astype(np.uint8),0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)

mag, ang = cv2.cartToPolar(dst1.astype(np.float32),dst2.astype(np.float32))
np.rad2deg(ang)

Answer 1

代码中发生的事情很容易解释：

dst1和dst2是两个Sobel滤波器的输出，是梯度矢量的x和y分量。对于一个给定的像素，梯度矢量由（dst1[i,j]，dst2[i,j]）给出。该向量可以具有任何值，例如（5.8，-2.1），导致大约340度的角度。

接下来，您对这两个图像进行阈值处理。 Otsu阈值化将找到一个值，该值可将图像很好地分离为低强度像素和高强度像素。这些分别被分配了0和255的值。但是首先，您将浮点图像转换为uint8，并将所有负值都设置为0。因此，我们的向量（5.8，-2.1）首先转换为（5,0），然后进行阈值处理，然后变为（ 255,0）或（0,0），取决于5下降到阈值的哪一侧。

因此，我们已将340度角的矢量转换为0度角或无可计算角度的矢量（尽管atan2(0,0)通常也产生0）。

实际上，所有矢量都变为（0,0），（0,255），（255,0）或（255,255），这意味着您只能找到0、45和90度的角度。

您应该做的是计算幅度和阈值（我不知道Otsu是否是此类图像的理想方法）。接下来，仅将幅度大于阈值的那些像素使用角度。

另一个常见的替代方法是使用高斯梯度而不是Sobel。在那里，您可以设置平滑（正则化）参数，该参数可以消除或多或少的噪声。我经常看到这是在高斯模糊之后加上Sobel滤波器实现的，尽管直接使用高斯导数滤波器对我来说更有意义。

Answer 2

如果我可能为什么要做的第一件事就是将数据转换为float32？

我认为让它在Sobel处理过程中做会更有效。那只是我的观点。

您将由于梯度滤镜而命名为“噪声”的东西实际上称为非最大值。通常，诸如Canny之类的算法确实会在Sobel过滤之后对其进行阈值处理。这种方法的不便之处在于找到适当的阈值。我个人使用another算法的非极大值抑制。

您的代码将变为：

import numpy as np
import cv2

img = cv2.imread('Ob.png',cv2.IMREAD_GRAYSCALE)

dx,dy = cv2.spatialGradient(img,ksize=5)

mag = cv2.magnitude(dx.astype(np.float32),dy.astype(np.float32))

se = cv2.ximgproc_StructuredEdgeDetection()

ori = se.computeOrientation(mag)

edges_without_nms = se.edgesNms(mag,ori)

希望对您有帮助。

大津阈值和图像梯度方向

2 个答案: