本文實(shí)例為大家分享了python實(shí)現(xiàn)圖像邊緣檢測(cè)的具體代碼，供大家參考，具體內(nèi)容如下

任務(wù)描述

背景

邊緣檢測(cè)是數(shù)字圖像處理領(lǐng)域的一個(gè)常用技術(shù)，被廣泛應(yīng)用于圖像特征提取、目標(biāo)識(shí)別、計(jì)算機(jī)視覺(jué)等領(lǐng)域。邊緣可以理解為像素值發(fā)生躍遷的地方，而邊緣檢測(cè)就是要找到這樣的地方。如下圖所示，對(duì)左圖進(jìn)行邊緣檢測(cè)，結(jié)果為右圖。

基于卷積運(yùn)算可實(shí)現(xiàn)邊緣檢測(cè)，對(duì)圖像 1（設(shè)分辨率為 w×h）進(jìn)行邊緣檢測(cè)的方法如下：

1）將圖像 1 轉(zhuǎn)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(duì)于圖像 1 中坐標(biāo)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(shè)置成 0（即黑色），否則設(shè)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(cè)結(jié)果。

其中，第 3 步要計(jì)算 (x,y) 處像素 p 的卷積 c，計(jì)算方法如下：

1）選擇一個(gè)卷積核（本關(guān)選擇的卷積核是一個(gè)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(qū)域，如上右圖所示，每個(gè)小方格代表一個(gè)像素，數(shù)字表示像素顏色值，像素 p 的坐標(biāo)為 (x,y)，則選取的圖像區(qū)域?yàn)辄S色底紋區(qū)域；
3）對(duì)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(qū)域，將它們對(duì)應(yīng)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(wù)

本關(guān)任務(wù)是補(bǔ)全程序，使其能進(jìn)行邊緣檢測(cè)。本關(guān)程序與上關(guān)結(jié)構(gòu)類似，可參考上關(guān)。

相關(guān)知識(shí)

略。

編程要求

在 Begin-End 區(qū)間補(bǔ)全代碼，具體要求見(jiàn)上。

測(cè)試說(shuō)明

測(cè)試集正確結(jié)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(shuō)明如下：

1）系統(tǒng)會(huì)調(diào)用你編寫(xiě)的convolute函數(shù)，并以“像素坐標(biāo) -> 卷積”的格式打印結(jié)果，如測(cè)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(tǒng)會(huì)檢查程序生成的圖像文件，若正確則在測(cè)試集最后一行打印你的圖像與正確答案相同！。

開(kāi)始你的任務(wù)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(duì)圖像文件1進(jìn)行邊緣檢測(cè)，并將結(jié)果保存為圖像文件2
# 圖像文件1和2的路徑分別為path1和path2
def detectEdge(path1, path2):
? ? img1 = Image.open(path1) ?# 圖像1
? ? img1 = img1.convert('L') ?# 將圖像1轉(zhuǎn)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(gè)像素的卷積c，再將c放到img2的對(duì)應(yīng)位置
? ? for x in range(1, w - 1):
? ? ? ? for y in range(1, h - 1):
? ? ? ? ? ? c = convolute(img1, x, y) ?# 計(jì)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(duì)應(yīng)位置
? ? ########## End ##########
? ? img2.save(path2)


path1 = 'step5.bmp' ?# 原始圖像
path2 = 'step5_2.bmp' ?# 檢測(cè)到的邊緣圖像
detectEdge(path1, path2)

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評(píng)論