鱼C论坛

 找回密码
 立即注册
查看: 1891|回复: 2

[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

[复制链接]
发表于 2023-8-13 16:20:55 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x
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
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:
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,使用拉普拉斯算子
edges = filters.laplace(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)

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。
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

发表于 2023-8-13 16:21:33 | 显示全部楼层    本楼为最佳答案   
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:
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,使用拉普拉斯算子
edges = filters.laplace(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)

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。
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2023-8-13 16:21:39 | 显示全部楼层
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:
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)

# 拉普拉斯边缘检测
edges = filters.laplace(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)

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
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2024-12-25 20:59

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表