如何在 TensorFlow 中计算 Sobel 边缘检测

Question

我只是使用 TensorFlow 计算形状为 [16,96,96,1] 的张量 A 的 Sobel Edge 映射（16 是批量大小，96 是图像块大小，1 是通道数（仅在这里考虑亮度通道））。

我发现在 TensorFlow 中有一个名为 'tf.image.sobel_edges' 的函数，它可以返回每个通道的边缘图。对于这个函数，它返回形状为 [16,96,96,1,2] 的张量。我不明白最后2维的含义.....我的理解是边缘图应该是一个二值图像，所以输出应该是[16,96,96,1]，但是这个的输出函数是[16,96,96,1,2]......如果我只想获取图像的边缘能量，我怎么能从这个函数的输出中得到呢？

你能解释一下吗？提前致谢！

Answer 1

所述tf.image.sobel_edges文档指示返回的张量包含沿水平轴和垂直轴的图像的梯度分量，在一个单一的通道图像的情况下。为了计算梯度的大小并获得边缘能量图像，我们只需要计算这些分量之和的平方根，如下：

import tensorflow as tf

tf.enable_eager_execution()

img = tf.random.normal(shape=(16,96,96,1),dtype=tf.float32) # replace with your image data

grad_components = tf.image.sobel_edges(img)

grad_mag_components = grad_components**2

grad_mag_square = tf.math.reduce_sum(grad_mag_components,axis=-1) # sum all magnitude components

grad_mag_img = tf.sqrt(grad_mag_square) # this is the image tensor you want