python中scipy.ndimage.filter_python – scipy.ndimage.filter.laplace()中使用的拉普拉斯掩码/内核是什么？...

一个简单的水平/垂直拉普拉斯掩模在内核的中心有4个(图的左侧).类似地,对角线特征敏感的拉普拉斯掩模在内核的中心有8个(图中的右侧).是什么面具使用scipy,我可以选择使用哪个？

解决方法:

一个简单的检查是声明一个零的二维数组,除了中心的一个系数设置为1,然后将拉普拉斯函数应用于它.具有过滤功能的属性是,如果您提交带有单个1的图像,则输出将是实际过滤器本身位于1所在位置 – 查找impulse response …或更具体地说,Point Spread Function.

如果你这样做,那么在你运行laplace方法后你会看到它的样子：

In [13]: import numpy as np

In [14]: import scipy.ndimage.filters

In [15]: A = np.zeros((5,5))

In [16]: A[2,2] = 1

In [17]: B = scipy.ndimage.filters.laplace(A)

In [18]: A

Out[18]:

array([[ 0., 0., 0., 0., 0.],

[ 0., 0., 0., 0., 0.],

[ 0., 0., 1., 0., 0.],

[ 0., 0., 0., 0., 0.],

[ 0., 0., 0., 0., 0.]])

In [19]: B

Out[19]:

array([[ 0., 0., 0., 0., 0.],

[ 0., 0., 1., 0., 0.],

[ 0., 1., -4., 1., 0.],

[ 0., 0., 1., 0., 0.],

[ 0., 0., 0., 0., 0.]])

因此,它是第一个正在使用的内核,但请注意符号的变化.中心系数为正,而其他系数为负.

您需要查看的相关代码如下：

def derivative2(input, axis, output, mode, cval):

return correlate1d(input, [1, -2, 1], axis, output, mode, cval, 0)

return generic_laplace(input, derivative2, output, mode, cval)

基本上,[1,-2,1]的1D内核独立地应用于每个维度,如correlate1d函数所做的那样……所以首先是行,然后是列.这实际上会计算您在问题中看到的第一个蒙版.

标签：python,numpy,scipy,filter,image-processing

来源： https://codeday.me/bug/20190722/1504091.html