Python を使用して画像の非最大抑制を実行する方法

Python を使用して画像に対して非最大抑制を実行する方法

非最大抑制は、コンピューター ビジョンで一般的に使用される画像処理テクノロジです。エッジやエッジを抽出するために使用されます。画像の角。この記事では、Python プログラミング言語と OpenCV ライブラリを使用して、画像の非最大抑制を実装します。

1. ライブラリのインストールとインポート

まず、Python ライブラリと OpenCV ライブラリがインストールされていることを確認します。 pip を使用して OpenCV ライブラリをインストールできます: pip install opencv-python。

次に、必要なライブラリをインポートします。

import cv2
import numpy as np

2. 画像の読み込みと前処理

OpenCV の cv2.imread()関数は画像をロードし、グレースケール画像処理方法を使用して画像をグレースケールに変換します。グレースケール画像にはチャネルが 1 つしか含まれていないため、処理が簡単です。次のコードは、画像をロードして前処理する方法を示しています。

# 读取图像
image = cv2.imread('image.jpg')

# 转换为灰度图像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

3. Compute Gradient

非最大抑制は画像の勾配に基づき、勾配の大きさと方向を使用します。勾配を調べて最大値かどうかを判断します。 cv2.Sobel() 関数を使用して画像の勾配を計算できます。

# 计算x和y轴方向的梯度
gradient_x = cv2.Sobel(gray, cv2.CV_64F, 1, 0, ksize=3)
gradient_y = cv2.Sobel(gray, cv2.CV_64F, 0, 1, ksize=3)

# 计算梯度的大小和方向
magnitude = np.sqrt(gradient_x ** 2 + gradient_y ** 2)
angle = np.arctan2(gradient_y, gradient_x)

4. 非最大抑制の実行

次に、勾配の大きさと方向を使用して非最大抑制を実行します。各ピクセルについて、隣接する 2 つのピクセルを確認し、勾配の大きさが隣接するピクセルよりも大きく、勾配方向の最大値である場合、そのピクセルをエッジとして保持します。

# 非极大抑制
suppressed = np.zeros_like(magnitude)

for y in range(1, magnitude.shape[0] - 1):
    for x in range(1, magnitude.shape[1] - 1):
        current_gradient = magnitude[y, x]
        current_angle = angle[y, x]

        if (current_angle >= 0 and current_angle < np.pi / 8) or (current_angle >= 7 * np.pi / 8 and current_angle < np.pi):
            before_gradient = magnitude[y, x - 1]
            after_gradient = magnitude[y, x + 1]
        elif current_angle >= np.pi / 8 and current_angle < 3 * np.pi / 8:
            before_gradient = magnitude[y - 1, x - 1]
            after_gradient = magnitude[y + 1, x + 1]
        elif current_angle >= 3 * np.pi / 8 and current_angle < 5 * np.pi / 8:
            before_gradient = magnitude[y - 1, x]
            after_gradient = magnitude[y + 1, x]
        else:
            before_gradient = magnitude[y - 1, x + 1]
            after_gradient = magnitude[y + 1, x - 1]

        if current_gradient >= before_gradient and current_gradient >= after_gradient:
            suppressed[y, x] = current_gradient

5. 結果の表示

最後に、cv2.imshow() 関数を使用して、元の画像と非最大抑制を表示します。結果。コードは次のとおりです。

# 显示结果
cv2.imshow('Original Image', image)
cv2.imshow('Non-maximum Suppressed Image', suppressed)
cv2.waitKey(0)
cv2.destroyAllWindows()

上記は、Python を使用した画像の非最大抑制の完全なサンプル コードです。上記の手順により、Python および OpenCV ライブラリを使用して、画像内のエッジやコーナーを抽出する非最大抑制を簡単に実装できます。より良い結果を得るために、必要に応じてパラメーターとコード ロジックを調整できます。

以上がPython を使用して画像の非最大抑制を実行する方法の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。