python - Sobel运算符的OpenCV意外输出

我正在从该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的条纹达到预期的效果，但是我无法证明'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()

最佳答案

您的applySobel方法需要使用灰度(单通道)图像作为输入，但是您正在使用lab(3通道图像)作为输入，它将对所有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。

如果您仅使用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，结果将不是二进制的。要使其成为二进制，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()

这将导致以下图像:





Sobel滤镜用于边缘检测，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，则直接对L通道设置阈值会更有效:

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

结果:



另请注意，由于尺寸不同，您不能直接使用np.hstack将3通道图像与灰度/二进制图像组合在一起。首先使用np.stack((img,) * 3, axis=-1)将单通道图像转换为3通道图像。

关于python - Sobel运算符的OpenCV意外输出，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/58897645/