matlab edge ()가해야 할 일
- LoG 계산
- LoG에서 제로 크로싱 계산
- 로컬 LoG 차이에 대한 임계 값 계산
- 에지 픽셀 = 제로 크로싱 && 로컬 차이> 임계 값
scipy의 LoG 필터는 위의 1 단계 만 수행합니다. 위의 2 ~ 4 단계를 모방하기 위해 다음 스 니펫을 구현했습니다.
import scipy as sp
import numpy as np
import scipy.ndimage as nd
import matplotlib.pyplot as plt
from skimage import data
# lena = sp.misc.lena() this function was deprecated in version 0.17
img = data.camera() # use a standard image from skimage instead
LoG = nd.gaussian_laplace(img , 2)
thres = np.absolute(LoG).mean() * 0.75
output = sp.zeros(LoG.shape)
w = output.shape[1]
h = output.shape[0]
for y in range(1, h - 1):
for x in range(1, w - 1):
patch = LoG[y-1:y+2, x-1:x+2]
p = LoG[y, x]
maxP = patch.max()
minP = patch.min()
if (p > 0):
zeroCross = True if minP < 0 else False
else:
zeroCross = True if maxP > 0 else False
if ((maxP - minP) > thres) and zeroCross:
output[y, x] = 1
plt.imshow(output)
plt.show()
물론 이것은 느리고 아마도 파이썬을 처음 접하기 때문에 관용적이지는 않지만 아이디어를 보여야합니다. 개선 방법에 대한 제안도 환영합니다.
-------------------나는 ycyeh의 코드를 약간 가지고 놀았습니다 (제공해 주셔서 감사합니다). 내 응용 프로그램에서는 바이너리 0과 1보다 최소-최대 범위에 비례하는 출력 값을 사용하여 더 나은 결과를 얻었습니다. (그런 다음 더 이상 thresh가 필요하지 않았지만 결과에 임계 값을 쉽게 적용 할 수 있습니다.) 또한 빠른 실행을 위해 루프를 numpy 배열 작업으로 변경했습니다.
import numpy as np
import scipy.misc
import cv2 # using opencv as I am not too familiar w/ scipy yet, sorry
def laplace_of_gaussian(gray_img, sigma=1., kappa=0.75, pad=False):
"""
Applies Laplacian of Gaussians to grayscale image.
:param gray_img: image to apply LoG to
:param sigma: Gauss sigma of Gaussian applied to image, <= 0. for none
:param kappa: difference threshold as factor to mean of image values, <= 0 for none
:param pad: flag to pad output w/ zero border, keeping input image size
"""
assert len(gray_img.shape) == 2
img = cv2.GaussianBlur(gray_img, (0, 0), sigma) if 0. < sigma else gray_img
img = cv2.Laplacian(img, cv2.CV_64F)
rows, cols = img.shape[:2]
# min/max of 3x3-neighbourhoods
min_map = np.minimum.reduce(list(img[r:rows-2+r, c:cols-2+c]
for r in range(3) for c in range(3)))
max_map = np.maximum.reduce(list(img[r:rows-2+r, c:cols-2+c]
for r in range(3) for c in range(3)))
# bool matrix for image value positiv (w/out border pixels)
pos_img = 0 < img[1:rows-1, 1:cols-1]
# bool matrix for min < 0 and 0 < image pixel
neg_min = min_map < 0
neg_min[1 - pos_img] = 0
# bool matrix for 0 < max and image pixel < 0
pos_max = 0 < max_map
pos_max[pos_img] = 0
# sign change at pixel?
zero_cross = neg_min + pos_max
# values: max - min, scaled to 0--255; set to 0 for no sign change
value_scale = 255. / max(1., img.max() - img.min())
values = value_scale * (max_map - min_map)
values[1 - zero_cross] = 0.
# optional thresholding
if 0. <= kappa:
thresh = float(np.absolute(img).mean()) * kappa
values[values < thresh] = 0.
log_img = values.astype(np.uint8)
if pad:
log_img = np.pad(log_img, pad_width=1, mode='constant', constant_values=0)
return log_img
def _main():
"""Test routine"""
# load grayscale image
img = scipy.misc.face() # lena removed from newer scipy versions
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# apply LoG
log = laplace_of_gaussian(img)
# display
cv2.imshow('LoG', log)
cv2.waitKey(0)
if __name__ == '__main__':
_main()
출처
https://stackoverflow.com/questions/22050199