Python實現(xiàn)使用卷積提取圖片輪廓功能示例

更新時間：2018年05月12日 15:34:53 作者：chengqiuming

這篇文章主要介紹了Python實現(xiàn)使用卷積提取圖片輪廓功能,涉及Python數(shù)值運算與圖像處理相關(guān)操作技巧,需要的朋友可以參考下

本文實例講述了Python實現(xiàn)使用卷積提取圖片輪廓功能。分享給大家供大家參考，具體如下：

一、實例描述

將彩色的圖片生成帶邊緣化信息的圖片。

本例中先載入一個圖片，然后使用一個“3通道輸入，1通道輸出的3*3卷積核”（即sobel算子），最后使用卷積函數(shù)輸出生成的結(jié)果。

二、代碼

'''''
載入圖片并顯示
首先將圖片放到代碼的同級目錄下，通過imread載入，然后將其顯示并打印出來
'''
import matplotlib.pyplot as plt # plt 用于顯示圖片
import matplotlib.image as mpimg # mpimg 用于讀取圖片
import numpy as np
import tensorflow as tf
myimg = mpimg.imread('2.jpg') # 讀取和代碼處于同一目錄下的圖片
#myimg = mpimg.imread('img.jpg') # 讀取和代碼處于同一目錄下的圖片
plt.imshow(myimg) # 顯示圖片
plt.axis('off') # 不顯示坐標軸
plt.show()
print(myimg.shape)
'''''
上面這段代碼輸出(960, 720, 3)，可以看到，載入圖片的維度是960*720大小，3個通道
'''
'''''
這里需要手動將sobel算子填入卷積核里。使用tf.constant函數(shù)可以將常量直接初始化到Variable中，因為是3個通道，所以sobel卷積核的每個元素都擴成了3個。
注意：sobel算子處理過的圖片并不保證每個像素都在0~255之間，所以要做一次歸一化操作（即將每個值減去最小的結(jié)果，再除以最大值與最小值的差），讓生成的值都在[0,1]之間，然后在乘以255
'''
#full=np.reshape(myimg,[1,3264,2448,3])
full=np.reshape(myimg,[1,960,720,3])
#inputfull = tf.Variable(tf.constant(1.0,shape = [1, 3264, 2448, 3]))
inputfull = tf.Variable(tf.constant(1.0,shape = [1, 960, 720, 3]))
filter = tf.Variable(tf.constant([[-1.0,-1.0,-1.0], [0,0,0], [1.0,1.0,1.0],
                  [-2.0,-2.0,-2.0], [0,0,0], [2.0,2.0,2.0],
                  [-1.0,-1.0,-1.0], [0,0,0], [1.0,1.0,1.0]],shape = [3, 3, 3, 1]))
#步長為1*1,padding為SAME表明是同卷積的操作。
op = tf.nn.conv2d(inputfull, filter, strides=[1, 1, 1, 1], padding='SAME') #3個通道輸入，生成1個feature ma
o=tf.cast( ((op-tf.reduce_min(op))/(tf.reduce_max(op)-tf.reduce_min(op)) ) *255 ,tf.uint8)
with tf.Session() as sess:
  sess.run(tf.global_variables_initializer() )
  t,f=sess.run([o,filter],feed_dict={ inputfull:full})
  #print(f)
  #t=np.reshape(t,[3264,2448])
  t=np.reshape(t,[960,720])
  plt.imshow(t,cmap='Greys_r') # 顯示圖片
  plt.axis('off') # 不顯示坐標軸
  plt.show()

三、運行結(jié)果