如何解决为什么 OpenCV 和 scikit-image 的拉普拉斯方差差异很大?
TL;DR:如何使用 skimage.filters.laplace(image).var()
获得与 cv2.Laplacian(image,CV_64F).var()
和 skimage.filters.sobel(image)
相同的值以获得与 {{ 相同的值1}} ?
我有以下代码可以找到 Laplace Variance for blur detection
cv2.sobel(image)
所以当我尝试从 OpenCV 和 scikit-image 中找到拉普拉斯方差时,它给了我两个不同的值:
import numpy as np
import cv2
import pandas as pd
import requests
from PIL import Image
import urllib
from skimage.filters import laplace,sobel,roberts
from io import BytesIO
from skimage import color
from skimage import io as sk_io
def url_to_image(url): # Get image from url
resp = urllib.request.urlopen(url)
image = np.asarray(bytearray(resp.read()),dtype="uint8")
image = cv2.imdecode(image,cv2.IMREAD_GRAYSCALE)
return image
def simple_blur(gray:np.ndarray)->float:
'''
Use Laplacian Variance to find if an image has blur or not. It is very critical to find the threshold and is vert data specific
args:
gray: Grayscale Image
'''
return cv2.Laplacian(gray,CV_64F).var()
另外,我如何使用 laplace(color.rgb2gray(sk_io.imread(url))).var()
>> 1.1086769139613736e-05
simple_blur(url_to_image(url))
>> 0.6622495826224196
EXACTLY 中给出的 cv2.sobel(image)
来获得 OpenCV
的结果?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。