Question

我正在从此图像中提取白色条纹，但很想在“实验室”图像中看到基本的Sobel运算符的输出。尽管我很高兴看到黑色条纹达到预期的效果，但我无法证明'np.hstack'运算符后面发生了什么。如果仅在'sobel'上应用plt.imshow（），则不会得到相同的输出。所需的输出是包含白色条纹的二进制图像。

import numpy as np
import cv2
import os,sys
from matplotlib import pyplot as plt    

def getColorSpaces(image):
    rgb = cv2.cvtColor(image,cv2.COLOR_RGB2BGR)
    gray = cv2.cvtColor(image,cv2.COLOR_RGB2GRAY)        
    return rgb,gray

def getImageDimnesion(image):
    height,width = image.shape[:2]        
    return height,width

def showImage(image,title,cmap):
    plt.imshow(image,cmap=cmap)
    plt.axis('off')
    plt.title(title)


def splitRGBChannels(image):
  red, green, blue= cv2.split(img)      
  return red, green, blue

def getMagnitude(gray):        
    sobelx = cv2.Sobel(gray, cv2.CV_64F, 1, 0, ksize=3)
    sobely = cv2.Sobel(gray, cv2.CV_64F, 0, 1, ksize=3)
    abs_sobelx = np.absolute(sobelx)
    abs_sobely = np.absolute(sobely)        
    magnitude=np.sqrt(abs_sobelx*abs_sobelx+abs_sobely*abs_sobely)        
    return magnitude,np.arctan2(abs_sobely,abs_sobelx)


def applySobel(gray):        
    sobelx = cv2.Sobel(gray, cv2.CV_64F, 1, 0, ksize=3)
    sobely = cv2.Sobel(gray, cv2.CV_64F, 0, 1, ksize=3)
    abs_sobelx = np.absolute(sobelx)
    abs_sobely = np.absolute(sobely)
    return abs_sobelx+abs_sobely


images_path=r'images'
images=os.listdir(images_path)

for im in images[:]:
    print(im)        
    img = cv2.imread(os.path.join(images_path,im))  

    plt.axis('off')
    plt.title('Originial')
    plt.imshow(img,cmap='gray') 
    plt.show()

for im in images[:]:
    print(im)
    plt.figure(figsize=(12, 12))
    img = cv2.imread(os.path.join(images_path,im))    

    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
    lab=cv2.cvtColor(img, cv2.COLOR_BGR2LAB)
    h,s,v = cv2.split(hsv)
    l,a,b = cv2.split(lab)
    sobel=applySobel(lab)
    imgs_comb = np.hstack([img,lab,sobel])

    plt.axis('off')
    plt.title('Originial-Lab-Sobel')
    plt.imshow(imgs_comb,cmap='gray') 
    plt.show()

EDIT1

plt.axis('off')
plt.title('img')
plt.imshow(img,cmap='gray') 
plt.show()

plt.axis('off')
plt.title('lab')
plt.imshow(lab,cmap='gray') 
plt.show()

plt.axis('off')
plt.title('sobel')
plt.imshow(sobel,cmap='gray') 
plt.show()

plt.axis('off')
plt.title('hstack')
plt.imshow(imgs_comb,cmap='gray')  #<<<<<Different output but is generic when tried with different images
plt.show()

Answer 1

您的applySobel方法期望将灰度（单通道）图像作为输入，但是您正在使用lab（三通道图像）作为输入，这将对所有3个通道应用Sobel滤波。意外的结果来自plt.imshow将Sobel过滤的Lab通道解释为图像的RGB通道。

如果仅使用l，a或b（或将Lab转换为灰色的另一种方法），则它可以按预期工作。但是，结果将不会是二进制的。要使其变为二进制，可以应用阈值（使用cv2.threshold(img, threshold, max_value, cv2.THRESH_BINARY)。这是一个示例：

import cv2
import numpy as np
from matplotlib import pyplot as plt
from skimage.io import imread


def applySobel(gray):
    sobelx = cv2.Sobel(gray, cv2.CV_64F, 1, 0, ksize=3)
    sobely = cv2.Sobel(gray, cv2.CV_64F, 0, 1, ksize=3)
    abs_sobelx = np.absolute(sobelx)
    abs_sobely = np.absolute(sobely)
    return abs_sobelx + abs_sobely


# Load the image (RGB)
img = imread('https://i.stack.imgur.com/qN2ta.jpg')

# Convert to Lab and split channels
lab = cv2.cvtColor(img, cv2.COLOR_RGB2LAB)
l, a, b = cv2.split(lab)

# Plot image of Lab-channels
plt.title('L, a, and b channel')
plt.imshow(np.hstack([l, a, b]), cmap='gray')
plt.show()

# Apply Sobel to L-channel (the other channels have low contrast)
l_sobel = applySobel(l)

# Plot result
plt.title('Sobel-filtered L-channel')
plt.imshow(l_sobel, cmap='gray')
plt.show()

# Make result binary by applying a threshold
sobel_thresh = np.uint8(cv2.threshold(l_sobel, 500, 255, cv2.THRESH_BINARY)[1])

# Plot binary result
plt.title('Thresholded Sobel-filtered L-channel')
plt.imshow(sobel_thresh, cmap='gray')
plt.show()

这将产生以下图像：

Sobel过滤器用于边缘检测，因此它将仅突出显示边缘而不是整个条纹。因此，如果您的目标是突出显示整个条纹，则直接阈值L通道会更有效：

# Directly threshold L-channel and plot
plt.imshow(cv2.threshold(l, 220, 255, cv2.THRESH_BINARY)[1], cmap='gray')
plt.show()

结果：

还请注意，由于尺寸不同，您不能直接使用np.hstack将3通道图像与灰度/二进制图像组合。首先使用np.stack((img,) * 3, axis=-1)将单通道图像转换为3通道图像。

Answer 2

np.hstack函数不会更改您的数据，但会更改图像的显示方式。如果将不同范围的图像连接到一个阵列中，则imshow函数将自动缩放到最大范围。这就是为什么只显示一幅或多幅图像时会有所不同的原因
您设计的Sobel函数正确，但：
- 它将应用于您的lab数组的所有通道。也许您只想在l频道上应用它。但是，如果单独检查l，a和b的范围，您会注意到那里的强度相差很大。
- 当您显示结果sobel时，imshow会自动假定您给出的3个通道是RGB数据，这就是为什么您有此奇怪图像的原因。
- 如果仅显示plt.imshow(sobel[:, :, 0])，则可以得到sobel滤波器的结果，因此可以得到轮廓。
- 如果要获得条纹而不是轮廓，则可能必须主要使用强度而不是轮廓。
我建议您使用github算法进行深度学习车道检测，这种算法的性能可能优于简单运算符。通常，存储库共享模型，并且运行模型并不难。

Sobel运算符的OpenCV意外输出

2 个答案: