擅长:python、mysql、java
<p>这是一个很好的萨夫曼-泰勒不稳定性;)</p>
<p>格伦是对的,你可能需要在检测边缘之前做一些滤波(梯度对噪声非常敏感)。因为你要检测边缘,你需要尝试一个边缘保持去噪滤波器。以下是一些示例:</p>
<p><a href="http://scikit-image.org/docs/dev/auto_examples/plot_denoise.html" rel="nofollow noreferrer">http://scikit-image.org/docs/dev/auto_examples/plot_denoise.html</a></p>
<p>下面是一个快速过滤图像的方法:</p>
<pre class="lang-python prettyprint-override"><code>from skimage import io
from skimage import color
from skimage import filter
import matplotlib.pyplot as plt
image = color.rgb2gray(io.imread('4g1te.png'))
denoised = filter.denoise_tv_bregman(image, 1)
edges = filter.canny(denoised, 1, 0.01, 0.1)
fig, axes = plt.subplots(ncols=2)
axes[0].imshow(denoised)
axes[1].imshow(edges)
for ax in axes:
ax.set_axis_off()
plt.show()
</code></pre>
<p><img src="https://i.stack.imgur.com/BKKBi.png" alt="denoised image and Canny edges"/></p>
<p>你得多玩一会儿才能把这件事做好。我还尝试从边缘图像中过滤出一些小线段;也许,一些几何特性会有帮助:</p>
<p><a href="http://scikit-image.org/docs/dev/auto_examples/plot_regionprops.html" rel="nofollow noreferrer">http://scikit-image.org/docs/dev/auto_examples/plot_regionprops.html</a></p>
<p>祝你好运!在</p>