1. Nauka
    2. /
  2. Kursy
    3. /
  3. Analiza obrazów biomedycznych w Pythonie
Connected

ćwiczenie

Wykrywanie krawędzi (2)

Wykrywanie krawędzi można przeprowadzić wzdłuż wielu osi, a następnie połączyć wyniki w jedną wartość. W przypadku obrazów 2D poziomą i pionową „mapę krawędzi" można scalić, korzystając z twierdzenia Pitagorasa:

$$z = \sqrt{x^2 + y^2}$$

Jednym z popularnych detektorów krawędzi jest filtr Sobela. Przypisuje on dodatkową wagę pikselom centralnym:

weights = [[ 1,  2,  1], 
           [ 0,  0,  0],
           [-1, -2, -1]]

W tym ćwiczeniu udoskonalisz poprzednią metodę wykrywania krawędzi, łącząc wyniki dwóch obrazów przefiltrowanych filtrem Sobela w złożoną mapę krawędzi.

Instrukcje

100 XP
  • Zastosuj ndi.sobel() do im wzdłuż pierwszej i drugiej osi.
  • Oblicz łączną intensywność krawędzi, korzystając z twierdzenia Pitagorasa. Użyj np.sqrt() i np.square().
  • Wyświetl obraz intensywności. Użyj skali szarości i ustaw vmax na 75.