当前位置：文江博客话题详情

Python/scipy 中的一维非极大值抑制

发布于 2024-12-01 22:55:14 字数 231 浏览 6 评论 0原文

你碰巧有一个用Python编写的一维非极大值抑制算法吗？我需要它来使用 scipy 在 Python 中制作 Canny 边缘检测器，该检测器将一维强度向量作为输入。

我在网上浏览了一下，有很多描述 Canny 边缘检测器行为的信息以及一些用 Java 编写的示例，但它们都描述了 2D 边缘检测。

然而 scipy 确实支持 Canny 边缘检测所需的其他算法，即一维的高斯滤波和微分。

提前致谢。

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

╭⌒浅淡时光〆 2024-12-08 22:55:14

你的意思是最大过滤器吗？如果是这样，请查看 scipy.ndimage.maximum_filter1d

作为一个简单的例子：

import numpy as np
import scipy.ndimage as ndimage

input = np.sin(np.linspace(0, 4*np.pi, 20))
input = (input * 10).astype(np.int) # Makes it easier to read
output = ndimage.maximum_filter1d(input, 4)

print 'In: ', input
print 'Out:', output

这会产生：

In:  [ 0  6  9  9  4 -1 -7 -9 -8 -3  3  8  9  7  1 -4 -9 -9 -6  0]
Out: [ 6  9  9  9  9  9  4 -1 -3  3  8  9  9  9  9  7  1 -4  0  0]

Do you just mean a maximum filter? If so, have a look at scipy.ndimage.maximum_filter1d

As a quick example:

import numpy as np
import scipy.ndimage as ndimage

input = np.sin(np.linspace(0, 4*np.pi, 20))
input = (input * 10).astype(np.int) # Makes it easier to read
output = ndimage.maximum_filter1d(input, 4)

print 'In: ', input
print 'Out:', output

This yields:

In:  [ 0  6  9  9  4 -1 -7 -9 -8 -3  3  8  9  7  1 -4 -9 -9 -6  0]
Out: [ 6  9  9  9  9  9  4 -1 -3  3  8  9  9  9  9  7  1 -4  0  0]

回复收藏 0 原文

〃安静 2024-12-08 22:55:14

我假设你的数据不是周期性的。让我给你一些伪代码，希望这已经足够了。

-- 比较数据

-- 您正在寻找差异中的符号变化。对于麦克斯来说，这将是从积极到消极；零是一个特殊情况。 numpy.sign() 为您提供负值、零值和正值的 -1、0、1 中每个值的符号。

-- 您可以再次比较 -- 您正在寻找 -2 和 -1 或最小抑制 2 和 1。正确处理边界。

祝你好运，E

import matplotlib.pyplot as plt
import numpy as np

dat= np.linspace(1, 5, 5)
dat2 = np.concatenate([dat, dat[::-1]+.5, dat,dat[::-1]])
## ignore above.

res = np.diff(np.sign(np.diff(dat2, prepend=[0])), append=0)
plt.plot(dat2)  ## NB end conditions, and you can ignore plotting
plt.plot(res)

干杯，E

I assume your data is not periodic. Let me give you some pseudocode and hopefully that is enough.

-- diff the data

-- you are looking for sign changes in the diff. For Max that would be going from positive to negative; zero is a special case. numpy.sign() gives you the sign of each value in -1, 0, 1 for negative, zero and positive values.

-- You can diff again -- you are looking for -2 and -1 or for min suppression 2 and 1. Handle the boundaries properly.

Good luck, E

import matplotlib.pyplot as plt
import numpy as np

dat= np.linspace(1, 5, 5)
dat2 = np.concatenate([dat, dat[::-1]+.5, dat,dat[::-1]])
## ignore above.

res = np.diff(np.sign(np.diff(dat2, prepend=[0])), append=0)
plt.plot(dat2)  ## NB end conditions, and you can ignore plotting
plt.plot(res)

Cheers, E

回复收藏 0 原文