Python 中的非最大值抑制给出了不好的结果：出了啥问题？

Posted 2023-02-21

【中文标题】Python 中的非最大值抑制给出了不好的结果：出了啥问题？

【英文标题】：Non maxima suppression in Python gives bad result: what is wrong?Python 中的非最大值抑制给出了不好的结果：出了什么问题？

【发布时间】：2020-05-12 10:13:40

【问题描述】：

我自己在 Python 中实现 Canny 边缘检测，我被困在非最大值抑制部分。我以为我的代码是正确的，但是我得到了一个非常糟糕的结果，根本没有漂亮的线条。我使用 Skimage 的 Canny 边缘检测进行比较，下面是结果（左：Sobel 滤波器的梯度幅度，中：非极大值抑制后，右：skimage Canny 的结果（我知道这是在阈值和滞后之后，但我希望非极大值抑制后的结果应该与 skimage Canny 结果相当））。

这是我用于非最大值抑制的代码：

def non_max_sup8(magn,direct):
    size=magn.shape
    out=np.zeros_like(magn)

    direct=np.rad2deg(direct)+180 # direction is now between 0 and 360

    for i in range(1,size[0]-1):
        for j in range(1,size[1]-1):

            if 0<=direct[i,j]<22.5 or 337.5<=direct[i,j]<=360 or 157.5<=direct[i,j]<202.5:
                before=magn[i,j-1] # compare to left and right
                after=magn[i,j+1]

            elif 22.5<=direct[i,j]<67.5 or 202.5<=direct[i,j]<247.5:
                before=magn[i+1,j-1] # compare diagonally
                after=magn[i-1,j+1]

            elif 67.5<=direct[i,j]<112.5 or 247.5<=direct[i,j]<292.5:
                before=magn[i+1,j] # compare above and under
                after=magn[i-1,j]

            else:
                before=magn[i-1,j-1] # compare diagonally
                after=magn[i+1,j+1]

            if magn[i,j]>=before and magn[i,j]>=after:
                out[i,j]=magn[i,j]
    return out     

梯度计算如下，应该是正确的。 （方向在 -pi 和 pi 之间的弧度，在上面的代码中转换为 0 到 360 度）

def edges(img,filterv=vSobel,filterh=hSobel):
    height,width = img.shape
    magn=np.zeros_like(img)
    direc=np.zeros_like(img)
    X=np.zeros_like(img)
    Y=np.zeros_like(img) 

    for y in range(3,height-2):
        for x in range(3,width-2):
            box = img[x-1:x+2,y-1:y+2]

            transformv = filterv * box
            Gy = transformv.sum()/4

            transformh = filterh * box
            Gx = transformh.sum()/4

            X[x,y] = Gx 
            Y[x,y] = Gy
            magn[x,y]=np.sqrt(Gx**2+Gy**2)
            direc[x,y]=np.arctan2(Gy,Gx)
    return X,Y,magn,direc

所以，我的问题是：我做错了什么？我正在考虑以下内容，但我想听听您的想法： 假设方向是 90 度（所以向上），那么我认为您实际上想要比较像素左右而不是上下（就像我到目前为止所做的那样），从那时起您会得到一个像素边缘。然而，我的代码基于我在互联网上找到的东西，它们似乎都做了类似上面的事情：与梯度方向上的像素而不是法线方向上的像素进行比较。你怎么看待这件事？是我误解了什么，还是我的想法还不错？

编辑：尝试上述方法（将像素与法线方向上的两个像素进行比较，而不是像素的方向）给出的结果类似于 skimage 的 canny 边缘检测。

问候。

【问题讨论】：

Gx = transformv 看起来不对。 “v”代表垂直，不是吗？ “x”是水平的，不是吗？您的结果与方向旋转 90 度一致。我建议您绘制并检查方向图像，并根据图像中的边缘将其与您的预期进行比较。

感谢您指出这一点！我什至没有注意到。不过奇怪的是我也换了Sobel过滤器，所以filterv实际上是用来计算Gx的过滤器，所以它消除了错误哈哈！我会在我的问题中改变它:)

不过，请查看direct 的值，以确保它们符合您的期望。您可能必须使用-direct 或direct+90 或90-direct 或一些这样的转换来使角度与跨边缘的方向匹配。

【参考方案1】：

45 和 135 的顺序是错误的（已更改），因为当您应该使用 yx 坐标系时考虑 xy 坐标系（45 yx 中的度数相当于 xy 平面中的 315 度）。根据我的实现，应该是：

#for 45
elif 22.5<=direct[i,j]<67.5 or 202.5<=direct[i,j]<247.5:
   before=magn[i-1,j-1]
   after=magn[i+1,j+1]

#for 135
else:
   before=magn[i+1,j-1]
   after=magn[i-1,j+1]