Skip to main content
 首页 » 编程设计

python之在 Python 中实现梯度运算符

2024年10月24日17duanxz

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