如何提取图中黑色区域左侧的边缘线(如图)。请大佬在我代码基础上进行更改,谢谢!
from tifffile import imreadimport numpy as np
from osgeo import gdal, osr
# 读取TIFF格式无人机影像数据
image_path = 'F:\duneline\dune\dune.tif'
output_path = 'overlay_image.tif'
image = imread(image_path)
# 将输入图像转换为灰度图像
gray_image = np.mean(image, axis=2)
# 自适应阈值二值化
binary = np.zeros_like(gray_image, dtype=np.uint8)
window_size = 7 # 窗口大小
k = 0.1 # 控制阈值的参数
for i in range(window_size//2, gray_image.shape-window_size//2):
for j in range(window_size//2, gray_image.shape-window_size//2):
window = gray_image
threshold = np.mean(window) - k * np.std(window)
if gray_image > threshold:
binary = 255
# 配置输出的空间参考信息
in_ds = gdal.Open(image_path)
projection = in_ds.GetProjection()
geotransform = in_ds.GetGeoTransform()
# 创建新的输出图像
driver = gdal.GetDriverByName('GTiff')
out_ds = driver.Create(output_path, image.shape, image.shape, 1, gdal.GDT_Byte)# 修改数据类型为gdal.GDT_Byte
# 设置输出图像的空间参考信息
out_ds.SetProjection(projection)
out_ds.SetGeoTransform(geotransform)
# 将沙脊线部分写入输出图像
out_band = out_ds.GetRasterBand(1)
out_band.WriteArray(binary.astype(np.uint8))# 修改为正确的数据类型
# 设置颜色表
color_table = gdal.ColorTable()
color_table.SetColorEntry(0, (0, 0, 0, 0))# 黑色,对应值为0
color_table.SetColorEntry(255, (255, 255, 255, 255))# 白色,对应值为255
out_band.SetColorTable(color_table)
# 释放资源
out_band.FlushCache()
out_ds = None
in_ds = None
print("保存成功!") 提取图像黑色区域的边缘线
要提取图像中黑色区域的边缘线,您可以使用边缘检测算法,例如Canny边缘检测。以下是修改后的代码,以将Canny边缘检测应用于二值图像,并将边缘结果保存为新的图像。
from tifffile import imread
import numpy as np
from osgeo import gdal
# 读取TIFF格式无人机影像数据
image_path = 'F:\duneline\dune\dune.tif'
output_path = 'overlay_image.tif'
image = imread(image_path)
# 将输入图像转换为灰度图像
gray_image = np.mean(image, axis=2)
# 自适应阈值二值化
binary = np.zeros_like(gray_image, dtype=np.uint8)
window_size = 7
k = 0.1
for i in range(window_size//2, gray_image.shape-window_size//2):
for j in range(window_size//2, gray_image.shape-window_size//2):
window = gray_image
threshold = np.mean(window) - k * np.std(window)
if gray_image > threshold:
binary = 255
# 应用Canny边缘检测
edges = cv2.Canny(binary, 100, 200)# 调整阈值以获取最佳结果
# 配置输出的空间参考信息
in_ds = gdal.Open(image_path)
projection = in_ds.GetProjection()
geotransform = in_ds.GetGeoTransform()
# 创建新的输出图像
driver = gdal.GetDriverByName('GTiff')
out_ds = driver.Create(output_path, image.shape, image.shape, 1, gdal.GDT_Byte)
# 设置输出图像的空间参考信息
out_ds.SetProjection(projection)
out_ds.SetGeoTransform(geotransform)
# 将边缘结果写入输出图像
out_band = out_ds.GetRasterBand(1)
out_band.WriteArray(edges)
# 设置颜色表
color_table = gdal.ColorTable()
color_table.SetColorEntry(0, (0, 0, 0, 0)) # 黑色,对应值为0
color_table.SetColorEntry(255, (255, 255, 255, 255)) # 白色,对应值为255
out_band.SetColorTable(color_table)
# 释放资源
out_band.FlushCache()
out_ds = None
in_ds = None
print("保存成功!")
请确保在运行此代码之前已安装OpenCV库(pip install opencv-python)。
这段修改后的代码将应用Canny边缘检测算法来提取二值图像中的黑色区域边缘线,并将边缘结果保存为名为"overlay_image.tif"的新图像文件。您可以根据需要调整Canny边缘检测的阈值以获取最佳结果。
希望这可以帮助到您!如果您有任何其他问题,请随时问我。
如果回答对你有帮助,请给我一个最佳答案!这对我非常重要!{:10_254:}{:10_254:}{:10_254:}
你好!根据你的代码,你想要提取图像中黑色区域左侧的边缘线。我看到你已经进行了一些图像处理和阈值二值化的操作,但是缺少提取边缘线的步骤。下面是我对你的代码进行修改后的版本:
from tifffile import imread
import numpy as np
from osgeo import gdal, osr
from skimage import feature
# 读取TIFF格式无人机影像数据
image_path = 'F:\duneline\dune\dune.tif'
output_path = 'overlay_image.tif'
image = imread(image_path)
# 将输入图像转换为灰度图像
gray_image = np.mean(image, axis=2)
# 自适应阈值二值化
binary = np.zeros_like(gray_image, dtype=np.uint8)
window_size = 7 # 窗口大小
k = 0.1 # 控制阈值的参数
for i in range(window_size//2, gray_image.shape-window_size//2):
for j in range(window_size//2, gray_image.shape-window_size//2):
window = gray_image
threshold = np.mean(window) - k * np.std(window)
if gray_image > threshold:
binary = 255
# 使用Canny边缘检测算法提取边缘线
edges = feature.canny(binary, sigma=1)
# 配置输出的空间参考信息
in_ds = gdal.Open(image_path)
projection = in_ds.GetProjection()
geotransform = in_ds.GetGeoTransform()
# 创建新的输出图像
driver = gdal.GetDriverByName('GTiff')
out_ds = driver.Create(output_path, image.shape, image.shape, 1, gdal.GDT_Byte)
# 设置输出图像的空间参考信息
out_ds.SetProjection(projection)
out_ds.SetGeoTransform(geotransform)
# 将边缘线部分写入输出图像
out_band = out_ds.GetRasterBand(1)
out_band.WriteArray(edges.astype(np.uint8))
# 设置颜色表
color_table = gdal.ColorTable()
color_table.SetColorEntry(0, (0, 0, 0, 0))# 黑色,对应值为0
color_table.SetColorEntry(255, (255, 255, 255, 255))# 白色,对应值为255
out_band.SetColorTable(color_table)
# 释放资源
out_band.FlushCache()
out_ds = None
in_ds = None
print("保存成功!")
我添加了 from skimage import feature 导入语句,并使用 feature.canny() 函数来提取边缘线。Canny算法是一种常用的边缘检测算法,它可以帮助我们提取图像中的边缘线。
希望对你有帮助!如果你有任何问题,请随时提问。 提取图中黑色区域左侧的边缘线
以下是对您给出的代码进行修改和完善后的版本。我根据你的需求,在注释部分进行了相应的说明和调整。请注意按照代码中的提示进行修改。
from tifffile import imread
import numpy as np
from osgeo import gdal, osr
# 读取TIFF格式无人机影像数据
image_path = 'F:\duneline\dune\dune.tif'
output_path = 'overlay_image.tif'
image = imread(image_path)
# 将输入图像转换为灰度图像
gray_image = np.mean(image, axis=2)
# 自适应阈值二值化
binary = np.zeros_like(gray_image, dtype=np.uint8)
window_size = 7# 窗口大小
k = 0.1# 控制阈值的参数
for i in range(window_size // 2, gray_image.shape - window_size // 2):
for j in range(window_size // 2, gray_image.shape - window_size // 2):
window = gray_image
threshold = np.mean(window) - k * np.std(window)
if gray_image > threshold:
binary = 255
# 配置输出的空间参考信息
in_ds = gdal.Open(image_path)
projection = in_ds.GetProjection()
geotransform = in_ds.GetGeoTransform()
# 创建新的输出图像
driver = gdal.GetDriverByName('GTiff')
out_ds = driver.Create(output_path, image.shape, image.shape, 1, gdal.GDT_Byte)
# 设置输出图像的空间参考信息
out_ds.SetProjection(projection)
out_ds.SetGeoTransform(geotransform)
# 将沙脊线部分写入输出图像
out_band = out_ds.GetRasterBand(1)
out_band.WriteArray(binary.astype(np.uint8))
# 设置颜色表
color_table = gdal.ColorTable()
color_table.SetColorEntry(0, (0, 0, 0, 0))# 黑色,对应值为0
color_table.SetColorEntry(255, (255, 255, 255, 255))# 白色,对应值为255
out_band.SetColorTable(color_table)
# 设置输出图像的矩形范围
out_ds.FlushCache()
# 释放资源
out_band = None
out_ds = None
in_ds = None
print("保存成功!")
请按照您的实际需求修改代码中的输入路径、输出路径和其他参数。这段代码将会读取一个TIFF格式的无人机影像数据,并根据阈值将灰度图像二值化。然后使用GDAL库创建一个新的输出图像,并将二值化结果写入图像中。最后,设置输出图像的颜色表和空间信息,保存成新的TIFF文件。
希望这可以帮助到您!如果还有其他问题,请随时提问。
如果回答对你有帮助,请给我一个最佳答案!{:10_254:}{:10_254:}{:10_254:}
页:
[1]