python画图渐变颜色的代号_Python中彩色图像的渐变

我试图在python中使用skimage来确定彩色图像的渐变图像。

我遵循的方法是：

1）对于每个RGB波段，计算每个波段的梯度。这导致6个阵列，每个色带2个。每个色带在x和y方向上都具有梯度。（2个方向x 3个颜色= 6个阵列）。

2）为了确定图像的梯度，计算每个色带的大小为：

梯度=（（Rx ^ 2 + Ry ^ 2）+（Gx ^ 2 + Gy ^ 2）+（Bx ^ 2 + By ^ 2））^ 0.5

但结果很嘈杂，渐变不清楚。import numpy as np

import matplotlib.pyplot as plt

import scipy.ndimage as nd

import skimage.data as dt

img = dt.astronaut()

def gradient(img, x = True, y = True):

f1 = np.array([[-1,-2,-1], [0,0,0], [1,2,1]])

f2 = np.array([[-1,-2,-1], [0,0,0], [1,2,1]]).T

vert_gradient =nd.correlate(img, f1)

horz_gradient =nd.correlate(img, f2)

if x:

return(horz_gradient)

else:

return (vert_gradient)

Rx = gradient(img[:,:,0], y = False)

Ry = gradient(img[:,:,0], x = False)

Gx = gradient(img[:,:,1], y = False)

Gy = gradient(img[:,:,1], x = False)

Bx = gradient(img[:,:,2], y = False)

By = gradient(img[:,:,2], x = False)

grad = np.sqrt(np.square(Rx) + np.square(Ry)) + np.sqrt(np.square(Gx) + np.square(Gy)) + np.sqrt(np.square(Bx) + np.square(By))

grad = ((grad - grad.min()) / (grad.max() - grad.min())) * 255 # rescale for full dynamic range for 8 bit image

grad = grad.astype(np.uint8)

plt.subplot(1,2,1)

plt.imshow(img)

plt.subplot(1,2,2)

plt.imshow(grad)

plt.show()

在渐变图像中，我们可以看到颜色渐变，但它们不是那么清晰，并且有很多噪音。

在计算渐变之前，我还尝试平滑每个色带上的噪点。

如何在不使用OpenCv的情况下改善此结果？