Python 如何在图像的拉普拉斯高斯函数中找到零交叉点

我需要只使用我的方法和matplotlib OpenCV和NumPy构建日志文件管理器（但不使用只为帮助计算而进行筛选的内置函数）

步骤：

使用高斯滤波器模糊图像

使用推导拉普拉斯核Ix，Iy

需要在图像的2D数组中找到所有的“零交叉点”，并将它们标记为一个零交叉点和其他零交叉点

我的主要问题是过零，我找不到办法

我需要检查所有没有阈值的交叉点->

{（-+）、（+）、（-0+）、（+0-}

，并且每个交叉点都设为1，其余为0

---

（卷积也是由我用conv2D函数实现的）

在我自己实际实现它之后，我偶然发现了这个线程。如果您使用scikit图像，这是相当简单的。我先介绍代码，然后再看一遍

from skimage.filters import laplace
import numpy as np

lap = np.sign(laplace(image))
lap = np.pad(lap, ((0, 1), (0, 1)))
diff_x = lap[:-1, :-1] - lap[:-1, 1:] < 0
diff_y = lap[:-1, :-1] - lap[1:, :-1] < 0

edges =  np.logical_or(diff_x, diff_y).astype(float)

从skimage.filters导入laplace
将numpy作为np导入
搭接=np.符号（拉普拉斯（图像））
搭接=np.衬垫（搭接，（（0,1），（0,1）））
diff_x=lap[：-1，：-1]-lap[：-1，1::<0
差异y=圈[：-1，：-1]-圈[1:，：-1]<0
边=np.logical_或（diff_x，diff_y）.aType（float）

首先我们找到拉普拉斯算子并取它的符号，因为我们对值不感兴趣，然后继续用零填充最后一列和最后一行，进行卷积。

---

然后，我们继续沿x轴检查是否存在来自

-=>+

的交叉。只需将比较更改为另一种方式。检查一行中的三种状态的想法可以类似地进行，其中比较必须计算为

True

，以便

1

查找所有正像素，查看每个像素是否有负值或零值邻居。如果是这样的话，两者之间就有一个零交叉点。那么内斯特为什么呢？在img上到处跑？是的。至少在第一个实现中。一旦你有了这个工作，你可以看看矢量化它的选项，但首先让它工作。

def blurImage1(in_image: np.ndarray, kernel_size: np.ndarray) -> np.ndarray:
    """
    Blur an image using a Gaussian kernel
    :param inImage: Input image
    :param kernelSize: Kernel size
    :return: The Blurred image
    """

    gaussian = np.ndarray(kernel_size)
    sigma = 0.3 * ((kernel_size[0] - 1) * 0.5 - 1) + 0.8
    for x in range(0, kernel_size[0]):
        for y in range(0, kernel_size[1]):
            gaussian[x, y] = math.exp(-((x ** 2 + y ** 2) / (2.0 * sigma ** 2))) / (math.pi * (sigma ** 2) * 2)
    return conv2D(in_image, gaussian)

    k = np.array([[0, 1, 0],
                  [1, -4, 1],
                  [0, 1, 0]])

from skimage.filters import laplace
import numpy as np

lap = np.sign(laplace(image))
lap = np.pad(lap, ((0, 1), (0, 1)))
diff_x = lap[:-1, :-1] - lap[:-1, 1:] < 0
diff_y = lap[:-1, :-1] - lap[1:, :-1] < 0

edges =  np.logical_or(diff_x, diff_y).astype(float)