高斯边缘检测的拉普拉斯算术的Python实现

Question

我正在寻找高斯边缘检测的拉普拉斯算术的等效实现。

在matlab中，我们使用以下功能

   [BW,threshold] = edge(I,'log',...)

在python中，存在一个用于计算高斯拉普拉斯算子的函数。它并没有完全消除边缘。

  scipy.ndimage.filters.gaussian_laplace

任何指向在线实施或代码的指针

谢谢

Answer 1

matlab edge（）应该做什么

1. 计算LOG
2. 计算LoG上的零交叉
3. 计算本地LoG差异的阈值
4. 边缘像素=零交叉&&局部差异>阈值

scipy的LoG过滤器仅执行上述步骤1。我实现了以下代码段来模仿上面的步骤2〜4：

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()

这当然很慢，并且可能不是惯用的，因为我也是Python的新手，但应该可以证明这个想法。也欢迎任何有关如何改进它的建议。