pythoncv2和C#emgucv中的著色邊緣

所以我試圖重現一個很酷的過濾器，我在 Python cv2 的 C# (emgucv) 中做了一段時間。盡管我希望它不會很順利。這些程式假設突出邊緣并用看起來很酷的漸變為它們著色。

C# 中的代碼：

        {
        Image<Gray, byte> gray= imgColored.Convert<Gray, byte>();
        Image<Gray, float> photo_dx = gray.Sobel(1, 0, 3);
        Image<Gray, float> photo_dy = gray.Sobel(0, 1, 3);
        Image<Gray, float> photo_grad = new Image<Gray, float>(gray.Size);
        Image<Gray, float> photo_angle = new Image<Gray, float>(gray.Size);
        CvInvoke.CartToPolar(photo_dx, photo_dy, photo_grad, photo_angle, true);
        Image<Hsv, float> coloredEdges = gray.Convert<Hsv, float>(); 

        for (int j = 0; j < coloredEdges.Cols; j  )
            for (int i = 0; i < coloredEdges.Rows; i  )
            {
                Hsv pix = coloredEdges[i, j];

                pix.Hue = photo_angle[i, j].Intensity;
                pix.Satuation = 1;
                pix.Value = photo_grad[i, j].Intensity;

                coloredEdges[i, j] = pix;
            }

        coloredEdges.Save("test.jpg");
       }

Python中的代碼：

def LSD_ify(image, mag, angle):
     image = image = image.astype(np.float64)
     height, width, depth = image.shape

     for x in range(0, height):
         for y in range(0, width):
            image[x, y, 0] = angle[x, y]
            image[x, y, 1] = 1
            image[x, y, 2] = mag[x, y]

    return image

def main():
       image = plt.imread(str(sys.argv[1]))
       gray_image = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
       g2bgr = cv.cvtColor(gray_image, cv.COLOR_GRAY2BGR) #cv2 cant convert gray to HSV directly, so i had to convert back to colored and finally to HSV

       gx = cv.Sobel(gray_image, cv.CV_64F, 1, 0, ksize = 3)
       gy = cv.Sobel(gray_image, cv.CV_64F, 0, 1, ksize = 3)

       mag, angle = cv.cartToPolar(gx, gy, angleInDegrees = True)
       hsv_image = cv.cvtColor(g2bgr, cv.COLOR_BGR2HSV)

       lsd = LSD_ify(hsv_image, mag, angle)

       cv.imwrite("test.jpg", lsd)

if __name__ == "__main__":
      main()

代碼大部分是相同的（我認為？），但是它們產生的結果是不同的。輸入影像：

C#程式：

Python腳本：

有沒有人知道我必須做什么才能在 Python 中獲得相同的結果？我不確定 Python 的后臺是如何作業的。

uj5u.com熱心網友回復：

我認為這就是您在 Python/OpenCV 中嘗試做的事情。Python HSV 色調限制在 0 到 180 的范圍內，因此您的角度需要縮放到該范圍。同樣，幅度大于 255，也需要縮放到 0 到 255 的范圍。您想要的飽和度將是一個常數 255。我使用 Skimage 進行縮放。我已經在各個地方列印了形狀以及最小值和最大值，以向您展示這些問題。

我相信程序如下：

• 讀取輸入
• 將其轉換為灰色
• 獲取 Sobel x 和 y 導數
• 計算導數的大小和角度，并將 mag 縮放到 0 到 255 的范圍和角度到 0 到 180 的范圍
• 將角度、幅度和幅度合并為 3 通道影像，就好像 HSV 先有角度，然后是幅度。
• 將第二個通道（通道 1）替換為 255 以獲得飽和度
• 將此 HSV 影像轉換為 BGR 作為結果
• 保存結果

輸入：

import cv2
import numpy as np
import skimage.exposure as exposure

# read the image
img = cv2.imread('rabbit.jpg')

# convert to gray
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# apply sobel derivatives
sobelx = cv2.Sobel(gray, cv2.CV_64F, 1, 0, ksize=3)
sobely = cv2.Sobel(gray, cv2.CV_64F, 0, 1, ksize=3)

print(sobelx.shape, np.amin(sobelx), np.amax(sobelx))
print(sobely.shape, np.amin(sobely), np.amax(sobely))
print("")

# get magnitude and angle
mag, angle = cv2.cartToPolar(sobelx, sobely, angleInDegrees = True)

print(mag.shape, np.amin(mag), np.amax(mag))
print(angle.shape, np.amin(angle), np.amax(angle))
print("")

# normalize mag to range 0 to 255 and angle to range 0 to 180
mag = exposure.rescale_intensity(mag, in_range='image', out_range=(0,255)).clip(0,255).astype(np.uint8)
angle = exposure.rescale_intensity(angle, in_range='image', out_range=(0,180)).clip(0,180).astype(np.uint8)

print(mag.shape, np.amin(mag), np.amax(mag))
print(angle.shape, np.amin(angle), np.amax(angle))

# combine channels as if hsv where angle becomes the hue and mag becomes the value. (saturation is not important since it will be replace by 255)
hsv = cv2.merge([angle, mag, mag])
hsv[:,:,1] = 255

# convert hsv to  bgr
result = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR)

# save results
cv2.imwrite('rabbit_color_edges.jpg', result)

# show result
cv2.imshow('result', result)  
cv2.waitKey(0)
cv2.destroyAllWindows()

添加

如果我通過將“out_range”加倍來縮放幅度（或灰度）：

mag = exposure.rescale_intensity(mag, in_range='image', out_range=(0,255)).clip(0,255).astype(np.uint8) 

到

mag = exposure.rescale_intensity(mag, in_range='image', out_range=(0,510)).clip(0,255).astype(np.uint8)

然后我非常接近你的結果：

標籤：

上一篇：使用opencv-rust做翻轉

下一篇：使用python和opencv在影像中查找區域