python - 对 RGB 颜色分量执行 Sobel 滤镜

Question

我正在尝试将图像分离为其 RGB 颜色分量，然后尝试对每个颜色分量图像执行 sobel h 和 v 过滤器。我不太确定问题是什么，但我收到以下除以 0 错误。我想这可能是因为我的 u 和 v 是完全相同的数组。

错误

/Users/Sam/PycharmProjects/temp/A2.py:51: RuntimeWarning: divide by zero encountered in true_divide
  theta = 0.5 * np.arctan(2 * gxy / (gxx - gyy))
/Users/Sam/PycharmProjects/temp/A2.py:51: RuntimeWarning: invalid value encountered in true_divide
  theta = 0.5 * np.arctan(2 * gxy / (gxx - gyy))
/Users/Sam/PycharmProjects/temp/A2.py:54: RuntimeWarning: invalid value encountered in sqrt
  fTheta = np.sqrt(0.5 * ((gxx + gyy) + (gxx - gyy) * np.cos(2 * theta) + (2 * gxy * np.sin(2 * theta))))
Traceback (most recent call last):
  File "/Users/Sam/PycharmProjects/A1/venv/lib/python3.6/site-packages/numpy/core/fromnumeric.py", line 51, in _wrapfunc
    return getattr(obj, method)(*args, **kwds)

代码

import skimage.filters as filt
import numpy as np
def color_dot_product(A, B):
    return np.sum(A.conj() * B, axis=2)


mushroom = io.imread('mushroom.jpg')
I = util.img_as_float(mushroom)
  red = I[:, :, 0]  # Zero out contribution from green
  blue = I[:,:,1]
  green = I[:,:,2]

  # Compute horizontal and vertical derivatives of red, blue and green channels through applying sobel filters
  u = I.copy()
  u[:, :, 0] = filt.sobel_h(red)
  u[:, :, 1] = filt.sobel_h(green)
  u[:, :, 2] = filt.sobel_h(blue)
  v = I.copy()
  v[:, :, 0] = filt.sobel_v(red)
  v[:, :, 1] = filt.sobel_v(green)
  v[:, :, 2] = filt.sobel_v(blue)
  gxx = color_dot_product(u, u)
  gyy = color_dot_product(v, v)
  gxy = color_dot_product(u, v)

  # Calculate gradient direction (direction of the largest colour change)
  theta = 0.5 * np.arctan(2 * gxy / (gxx - gyy))

  # Calculate the magnitude of the rate of change
  fTheta = np.sqrt(0.5 * ((gxx + gyy) + (gxx - gyy) * np.cos(2 * theta) + (2 * gxy * np.sin(2 * theta))))

Answer 1

当除以这样的图像时，很可能某些像素的值为零，因此您会得到除以零的结果。

通常可以通过在除法之前显式测试每个像素是否为零来避免这种情况，或者如果除数为非负数，则添加一个非常小的值。

但在这种情况下你根本不需要划分。函数atan2接受两个输入参数，因此 atan2(y,x) 相当于 atan(y/x)。除了它返回 (-π,π] 范围内的角度(即，它为您提供完整的 360 度角度范围)。我链接到上面的维基百科，因为 atan2 是一个通用函数，存在于所有语言。除了在 NumPy 中，它被称为 arctan2 (我猜想与众不同？这很奇怪？)。所以替换:

theta = 0.5 * np.arctan(2 * gxy / (gxx - gyy))

与:

theta = 0.5 * np.arctan2(2 * gxy, gxx - gyy)

---

您计算的 gxx、gyy、gxy 三元组看起来很像结构张量。如果这就是您想要计算的内容，则需要为这三个组件中的每一个组件添加额外的模糊。这会导致梯度信息在本地进行平均，从而产生更少的零梯度位置。