Bild Verlaufsvektor Feld in Python

Question

Ich versuche, die Gradient Vector Field eines Bildes mit Python (ähnlich this matlab question) zu bekommen.

Dies ist das Originalbild:

Hier ist mein Code:

import numpy as np 
import matplotlib.pyplot as plt 
import Image 
from PIL import ImageFilter 

I = Image.open('test.png').transpose(Image.FLIP_TOP_BOTTOM) 
I = I.filter(ImageFilter.BLUR) 
p = np.asarray(I) 
w,h = I.size 
y, x = np.mgrid[0:h:500j, 0:w:500j] 

dy, dx = np.gradient(p) 
skip = (slice(None, None, 3), slice(None, None, 3)) 

fig, ax = plt.subplots() 
im = ax.imshow(I, extent=[x.min(), x.max(), y.min(), y.max()]) 
ax.quiver(x[skip], y[skip], dx[skip], dy[skip]) 

ax.set(aspect=1, title='Quiver Plot') 
plt.show() 

Dies ist das Ergebnis:

Das Problem ist, dass die Vektoren nicht korrekt zu sein scheinen. Dieser Punkt wird deutlicher, wenn man in dem Bild vergrößern:

Warum einige der Vektoren auf den Mittelpunkt, wie erwartet, während andere dies nicht tun?

Vielleicht gibt es ein Problem mit dem Ergebnis des Anrufs np.gradient?

Answer 1

Ich denke, Ihre seltsamen Ergebnisse sind, zumindest teilweise, weil p vom Typ uint8 ist. Sogar numpy diff führt zu eindeutig falschen Werten für ein Array dieses dtype. Wenn Sie in vorzeichenbehaftete Ganzzahl umwandeln, indem Sie die Definition durch die folgenden ersetzen: p = np.asarray(I).astype(int8) dann sind die Ergebnisse von diff korrekt. Der folgende Code gibt mir, was wie eine vernünftige Feld aussieht,

import numpy as np 
import matplotlib.pyplot as plt 
import Image 
from PIL import ImageFilter 

I = Image.open('./test.png') 
I = I.filter(ImageFilter.BLUR) 
p = np.asarray(I).astype('int8') 
w,h = I.size 
x, y = np.mgrid[0:h:500j, 0:w:500j] 

dy, dx = np.gradient(p) 
skip = (slice(None, None, 3), slice(None, None, 3)) 

fig, ax = plt.subplots() 
im = ax.imshow(I.transpose(Image.FLIP_TOP_BOTTOM), 
       extent=[x.min(), x.max(), y.min(), y.max()]) 
plt.colorbar(im) 
ax.quiver(x[skip], y[skip], dx[skip].T, dy[skip].T) 

ax.set(aspect=1, title='Quiver Plot') 
plt.show() 

Dies ergibt folgendes:

und hautnah das sieht aus wie man es erwarten würde,