边缘检测未按预期工作答案

【问题标题】：Edge detection not working as expected边缘检测未按预期工作
【发布时间】：2018-01-06 10:48:01
【问题描述】：

我只是在 SciPy 和 Python 中玩转卷积和内核。我使用以下内核进行边缘检测，因为它列在 this wikipedia article:

这是我使用的图像：

我得到的结果非常令人失望：

我用于卷积的代码：

edge = np.array([[-1, -1, -1], [-1, 8, -1], [-1, -1, -1]])
results = sg.convolve(img, edge, mode='same')
results[results > 255] = 255
results[results < 0] = 0

...以及我用来读取图像的代码：

img = np.array(Image.open('convolution_test/1.jpg'))
img = img[:, :, 0]

为什么我会得到这些糟糕的结果？

TIA。

【问题讨论】：

img 的类型是什么。因为如果它是无符号的，这可能会导致下溢。
如果将矩阵加载为无符号整数，则结果可能会环绕，使得负数实际上是白色值。
但是scipy.convolve 只适用于一维数组？
@WillemVanOnsem 非常感谢！我检查了img 数组的数据类型，你是对的......它是uint8。我把它改成了int32，瞧！如果您将评论写为答案，我会接受。 :)
@WillemVanOnsem scipy.signal.convolve 也适用于矩阵。我查过了。

标签： python image-processing scipy convolution

【解决方案1】：

我认为问题在于您的图像使用 unsigned 整数。因此，例如，如果您从零中减去 1，您会得到 0-1 = 255 对应的 uint8，因此您会在实际应该是黑色的地方得到白色。

但是，您可以通过使用有符号整数（最好有更深的深度）轻松克服这个问题。例如：

from PIL import Image
import numpy as np
import scipy.signal as sg

img = np.array(Image.open('convolution_test/1.jpg'))
img = img[:, :, 0]
img = img.astype(np.int16)

edge = np.array([[-1, -1, -1], [-1, 8, -1], [-1, -1, -1]])
results = sg.convolve(img, edge, mode='same')
results[results > 255] = 255
results[results < 0] = 0

results = results.astype(np.uint8)

对我来说，这会生成以下图像：

【讨论】：

谢谢 Willi'a'm :p