[已解决]请帮忙将代码中的检测算子更改为拉普拉斯算子检测算子，谢谢

Justheartyoung

代码：
from tifffile import imread, imwrite
from skimage import filters, feature, color
import numpy as np

# 读取TIFF格式无人机影像数据
image = imread('F:\\duneline\\dune\\dune.tif')

# 转换为灰度图像
gray_image = color.rgb2gray(image)

# 边缘检测，sobel取沙丘脊线
edges = filters.sobel(gray_image)

# 计算局部自适应阈值
threshold = filters.threshold_local(edges, block_size=11, offset=0.008)

# 将阈值应用于图像，得到二值化图像
binary = edges < threshold

# 叠加沙脊线在原始影像上
overlay = np.copy(image)
overlay[binary] = [255, 0, 0]  # 将沙脊线部分标记为红色

# 导出结果
imwrite('t2.tif', overlay)

最佳答案

月排行榜 / 总排行榜

isdkz

2023-8-13 16:21:33

代码中使用的是Sobel算子进行边缘检测，现在需要将其更改为拉普拉斯算子进行边缘检测。

拉普拉斯算子是一种常用的边缘检测算子，可以通过计算像素点周围像素值的差异来检测图像中的边缘。

下面是修改后的代码：

1. from tifffile import imread, imwrite
   
2. from skimage import filters, feature, color
   
3. import numpy as np
   
4. 
   
5. # 读取TIFF格式无人机影像数据
   
6. image = imread('F:\\duneline\\dune\\dune.tif')
   
7. 
   
8. # 转换为灰度图像
   
9. gray_image = color.rgb2gray(image)
   
10. 
    
11. # 边缘检测，使用拉普拉斯算子
    
12. edges = filters.laplace(gray_image)
    
13. 
    
14. # 计算局部自适应阈值
    
15. threshold = filters.threshold_local(edges, block_size=11, offset=0.008)
    
16. 
    
17. # 将阈值应用于图像，得到二值化图像
    
18. binary = edges < threshold
    
19. 
    
20. # 叠加沙脊线在原始影像上
    
21. overlay = np.copy(image)
    
22. overlay[binary] = [255, 0, 0]  # 将沙脊线部分标记为红色
    
23. 
    
24. # 导出结果
    
25. imwrite('t2.tif', overlay)
    

复制代码

在修改后的代码中，我们使用 filters.laplace 函数来进行拉普拉斯算子的边缘检测。然后，继续使用原来的步骤计算局部自适应阈值、二值化图像和叠加沙脊线在原始影像上的步骤。

最后，结果将保存为 t2.tif 文件。

跳转到最佳答案楼层

isdkz

代码中使用的是Sobel算子进行边缘检测，现在需要将其更改为拉普拉斯算子进行边缘检测。

拉普拉斯算子是一种常用的边缘检测算子，可以通过计算像素点周围像素值的差异来检测图像中的边缘。

下面是修改后的代码：

1. from tifffile import imread, imwrite
   
2. from skimage import filters, feature, color
   
3. import numpy as np
   
4. 
   
5. # 读取TIFF格式无人机影像数据
   
6. image = imread('F:\\duneline\\dune\\dune.tif')
   
7. 
   
8. # 转换为灰度图像
   
9. gray_image = color.rgb2gray(image)
   
10. 
    
11. # 边缘检测，使用拉普拉斯算子
    
12. edges = filters.laplace(gray_image)
    
13. 
    
14. # 计算局部自适应阈值
    
15. threshold = filters.threshold_local(edges, block_size=11, offset=0.008)
    
16. 
    
17. # 将阈值应用于图像，得到二值化图像
    
18. binary = edges < threshold
    
19. 
    
20. # 叠加沙脊线在原始影像上
    
21. overlay = np.copy(image)
    
22. overlay[binary] = [255, 0, 0]  # 将沙脊线部分标记为红色
    
23. 
    
24. # 导出结果
    
25. imwrite('t2.tif', overlay)
    

复制代码

在修改后的代码中，我们使用 filters.laplace 函数来进行拉普拉斯算子的边缘检测。然后，继续使用原来的步骤计算局部自适应阈值、二值化图像和叠加沙脊线在原始影像上的步骤。

最后，结果将保存为 t2.tif 文件。

陶远航

要将代码中的边缘检测算子更改为拉普拉斯算子检测算子，你需要使用skimage.filters.laplace()函数。以下是修改后的代码：

1. from tifffile import imread, imwrite
   
2. from skimage import filters, feature, color
   
3. import numpy as np
   
4. 
   
5. # 读取TIFF格式无人机影像数据
   
6. image = imread('F:\\duneline\\dune\\dune.tif')
   
7. 
   
8. # 转换为灰度图像
   
9. gray_image = color.rgb2gray(image)
   
10. 
    
11. # 拉普拉斯边缘检测
    
12. edges = filters.laplace(gray_image)
    
13. 
    
14. # 计算局部自适应阈值
    
15. threshold = filters.threshold_local(edges, block_size=11, offset=0.008)
    
16. 
    
17. # 将阈值应用于图像，得到二值化图像
    
18. binary = edges < threshold
    
19. 
    
20. # 叠加沙脊线在原始影像上
    
21. overlay = np.copy(image)
    
22. overlay[binary] = [255, 0, 0]  # 将沙脊线部分标记为红色
    
23. 
    
24. # 导出结果
    
25. imwrite('t2.tif', overlay)
    

复制代码

这样，你的代码中的边缘检测算子就被替换为了拉普拉斯算子检测算子。请确保你已经安装了skimage库，可以通过pip install scikit-image命令进行安装。
如果问题已经解决，请设置最佳答案