Python实现使用卷积提取图片轮廓功能示例

Python实现使用卷积提取图片轮廓功能示例实现使用卷积提取图片轮廓功能示例

主要介绍了Python实现使用卷积提取图片轮廓功能,涉及Python数值运算与图像处理相关操作技巧,需要的朋友可以参考下

本文实例讲述了Python实现使用卷积提取图片轮廓功能。分享给大家供大家参考，具体如下：

一、实例描述一、实例描述

将彩色的图片生成带边缘化信息的图片。

本例中先载入一个图片，然后使用一个“3通道输入，1通道输出的3*3卷积核”（即sobel算子），最后使用卷积函数输出生成的结果。

二、代码二、代码

'''''

import tensorflow as tf

myimg = mpimg.imread('2.jpg') # 读取和代码处于同一目录下的图片

#myimg = mpimg.imread('img.jpg') # 读取和代码处于同一目录下的图片

plt.imshow(myimg) # 显示图片

plt.axis('off') # 不显示坐标轴

plt.show()

print(myimg.shape)

'''''

上面这段代码输出(960, 720, 3)，可以看到，载入图片的维度是960*720大小，3个通道

'''

#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]))

#步长为1*1,padding为SAME表明是同卷积的操作。

op = tf.nn.conv2d(inputfull, filter, strides=[1, 1, 1, 1], padding='SAME') #3个通道输入，生成1个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() )

plt.show()

三、运行结果三、运行结果

四、说明四、说明

可以看出，sobel的卷积操作之后，提取到一张含有轮廓特征的图像。

再查看一下图片属性

注：注：这里用到了tensorflow模块，可使用pip命令安装：

pip install tensorflow