补习前置知识：边缘检测

2024-03-03

使用Python进行边缘检测：

import cv2
import numpy as np
import matplotlib.pyplot as plt

img = cv2.imread("depth.jpg")  # 读取图像 # 0-255
grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 灰度化处理图像

# prewitt算子
Gx = np.array([[1, 1, 1], [0, 0, 0], [-1, -1, -1]], dtype=int)
Gy = np.array([[-1, 0, 1], [-1, 0, 1], [-1, 0, 1]], dtype=int)

# # Sobel算子
# Gx = np.array([[-1, 0, 1], [-2, 0, 2], [-1, 0, 1]], dtype=int)
# Gy = np.array([[1, 2, 1], [0, 0, 0], [-1, -2, -1]], dtype=int)

# # 自定义四个方向的算子
# Gx = np.array([[0, -1, 0], [0, 0, 0], [0, 1, 0]], dtype=int)
# Gy = np.array([[0, 0, 0], [-1, 0, 1], [0, 0, 0]], dtype=int)


# 接受3*3矩阵输入
def frobenius_product(region, kernel):
    result = 0
    for i in range(3):
        for j in range(3):
           result += region[i, j] * kernel[i, j]
    return result


# 生成一个与原图大小相同的全零矩阵
result = np.zeros_like(grayImage)

# 遍历每个非边缘像素点
for i in range(1, grayImage.shape[0] - 1):
    for j in range(1, grayImage.shape[1] - 1):
        # 获取当前像素的邻域
        region = grayImage[i - 1 : i + 1 + 1, j - 1 : j + 1 + 1]

        # 根据算子公式计算
        grad_x = frobenius_product(region, Gx)
        grad_y = frobenius_product(region, Gy)

        # 计算梯度
        grad = (grad_x**2 + grad_y**2) ** (1/2)

        # 通过梯度的大小来确定边缘
        if grad > 20:
            result[i, j] = 255
        else:
            result[i, j] = 0

plt.imshow(result, cmap=plt.cm.gray)

这是一段代码，它主要用于边缘检测。我们获取一个像素以及其周围8个像素点的灰度，然后使用对应算子与之逐项相乘并获得和（这个值也被称为`Frobenius Inner Product`）。

为了希望这段代码能够被移植到Godot shader里，我特地使用自行实现而非直接调用CV的函数来实现。在shader里，像素的运算是并行的。因此具体操作和上述可能会有所出入。

Zincle's Site

补习前置知识：边缘检测