Python 边缘检测未按预期工作

我只是在用SciPy和Python处理卷积和内核。我使用以下内核进行边缘检测，因为它列在中：



这是我使用的图像：


我得到的结果非常令人失望：

我用于卷积的代码：

edge = np.array([[-1, -1, -1], [-1, 8, -1], [-1, -1, -1]])
results = sg.convolve(img, edge, mode='same')
results[results > 255] = 255
results[results < 0] = 0

为什么我会得到这些糟糕的结果

---

TIA。

我认为问题在于，您的图像使用无符号整数。例如，如果从0中减去1，则对于

uint8

，将得到

0-1=255

，因此在实际值应为黑色的地方，将得到白色

但是，您可以通过使用有符号整数（最好具有更高的深度）轻松克服此问题。例如：

from PIL import Image
import numpy as np
import scipy.signal as sg

img = np.array(Image.open('convolution_test/1.jpg'))
img = img[:, :, 0]
img = img.astype(np.int16)

edge = np.array([[-1, -1, -1], [-1, 8, -1], [-1, -1, -1]])
results = sg.convolve(img, edge, mode='same')
results[results > 255] = 255
results[results < 0] = 0

results = results.astype(np.uint8)

从PIL导入图像
将numpy作为np导入
将scipy.signal作为sg导入
img=np.array（Image.open（'卷积测试/1.jpg'））
img=img[：，：，0]
img=img.astype（np.int16）
edge=np.数组（[[-1，-1，-1]，-1,8，-1]，-1，-1]）
结果=sg.卷积（img，edge，mode='same'）
结果[结果>255]=255
结果[结果<0]=0
结果=结果.astype（np.uint8）

对我来说，这会生成以下图像：

---

img的类型是什么。因为如果它是非齐次的，这可能会导致下溢。如果您将矩阵作为无符号整数加载，那么结果可能会环绕，使得负数实际上是白色值。但是

scipy.convolve

仅适用于1d数组？@WillemVanOnsem非常感谢！我检查了

img

数组的数据类型，你是对的。。。它是

uint8

。我把它改成了

int32

，瞧！如果你写下你的评论作为回答，我会接受@WillemVanOnsem

scipy.signal.convolve

也适用于矩阵。我查过了。谢谢。威廉：p

from PIL import Image
import numpy as np
import scipy.signal as sg

img = np.array(Image.open('convolution_test/1.jpg'))
img = img[:, :, 0]
img = img.astype(np.int16)

edge = np.array([[-1, -1, -1], [-1, 8, -1], [-1, -1, -1]])
results = sg.convolve(img, edge, mode='same')
results[results > 255] = 255
results[results < 0] = 0

results = results.astype(np.uint8)