python - Otsu 阈值化和图像梯度方向

Question

我想将 Otsu 阈值化应用于图像梯度(以去除噪声)。之后，我想计算梯度方向。不幸的是，当我这样做时，我只能得到 0 到 90 度之间的梯度方向。没有 Otsu 阈值，值介于 0 和 360 之间。

在 Python 中查看我的代码

import numpy as np
import cv2

img = cv2.imread('Ob.png',cv2.IMREAD_GRAYSCALE)
img = img.astype('float32')
img2 = 
dst1 = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=5)
dst2 = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=5)

ret1,th1 = cv2.threshold(dst1.astype(np.uint8),0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
ret2,th2 = cv2.threshold(dst2.astype(np.uint8),0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)

mag, ang = cv2.cartToPolar(dst1.astype(np.float32),dst2.astype(np.float32))
np.rad2deg(ang)

Answer 1

您的代码中发生的事情很容易解释:

dst1 和 dst2，两个 Sobel 滤波器的输出，是梯度向量的 x 和 y 分量。对于一个给定的像素，梯度向量由 (dst1[i,j], dst2[i,j]) 给出。这个向量可以有任何值，例如 (5.8,-2.1)，导致大约 340 度的角度。

接下来，您对这两幅图像进行阈值处理。 Otsu thresholding 将找到一个值，该值将图像很好地分成低强度像素和高强度像素。它们分别被分配了 0 和 255 的值。但首先，您将浮点图像转换为 uint8，将所有负值设置为 0。因此，我们的向量 (5.8,-2.1) 首先转换为 (5,0)，然后进行阈值处理，之后它变为 ( 255,0) 或 (0,0) 取决于 5 落在阈值的哪一侧。

因此，我们已将角度为 340 度的矢量转换为角度为 0 度或无法计算的角度(尽管 atan2(0,0) 通常也会产生 0)。

事实上，所有向量都变成了 (0,0)、(0,255)、(255,0) 或 (255,255)，这意味着您只会找到 0、45 和 90 度的角度。

您应该做的是计算幅度和阈值(我不知道 Otsu 是否是此类图像的理想方法)。接下来，仅使用幅度高于阈值的那些像素的角度。

另一种常见的替代方法是使用高斯梯度代替 Sobel。在那里，您可以设置一个平滑(正则化)参数，它可以让您去除或多或少的噪音。我经常看到这实现为高斯模糊，然后是 Sobel 滤波器，尽管对我来说直接使用高斯导数滤波器更有意义。