我正在研究计算机视觉系统,这让我很头疼。我在更有效地重新实现旧的梯度运算符时遇到了问题,我正在使用 numpy 和 openCV2。
这是我的:
def gradientX(img):
rows, cols = img.shape
out = np.zeros((rows,cols))
for y in range(rows-1):
Mr = img[y]
Or = out[y]
Or[0] = Mr[1] - Mr[0]
for x in xrange(1, cols - 2):
Or[x] = (Mr[x+1] - Mr[x-1])/2.0
Or[cols-1] = Mr[cols-1] - Mr[cols-2]
return out
def gradient(img):
return [gradientX(img), (gradientX(img.T).T)]
我试过使用 numpy 的梯度运算符,但结果不一样 对于这个输入
array([[ 3, 4, 5],
[255, 0, 12],
[ 25, 15, 200]])
使用我的梯度返回
[array([[ 1., 0., 1.],
[-255., 0., 12.],
[ 0., 0., 0.]]),
array([[ 252., -4., 0.],
[ 0., 0., 0.],
[-230., 15., 0.]])]
在使用 numpy 的 np.gradient 返回时
[array([[ 252. , -4. , 7. ],
[ 11. , 5.5, 97.5],
[-230. , 15. , 188. ]]),
array([[ 1. , 1. , 1. ],
[-255. , -121.5, 12. ],
[ -10. , 87.5, 185. ]])]
结果之间有明显的相似之处,但绝对不一样。所以我在这里遗漏了一些东西,或者这两个运算符并不是要产生相同的结果。在那种情况下,我想知道如何重新实现我的 gradientX 函数,这样它就不会使用那个看起来很糟糕的双循环来遍历二维数组,主要使用 numpy 的效力。
请您参考如下方法:
我在这方面做了更多工作,只是为了发现我的错误。 迭代时我跳过了最后一行和最后一列。正如@wflynny 指出的那样,除了一行和一列为零之外,结果是相同的。
如果这样,结果可能不会与 np.gradient 相同,但经过那个更改,结果是相同的,因此无需为此寻找任何其他 numpy 实现。
回答我自己的问题,我的梯度算法的一个很好的 numpy 实现是
import numpy as np
def gradientX(img):
return np.gradient(img)[::-1]
我也发布了工作代码,只是因为它展示了 numpy 的梯度运算符是如何工作的
def computeMatXGradient(img):
rows, cols = img.shape
out = np.zeros((rows,cols))
for y in range(rows):
Mr = img[y]
Or = out[y]
Or[0] = float(Mr[1]) - float(Mr[0])
for x in xrange(1, cols - 1):
Or[x] = (float(Mr[x+1]) - float(Mr[x-1]))/2.0
Or[cols-1] = float(Mr[cols-1]) - float(Mr[cols-2])
return out
