Python中的图像梯度向量场

Question

我正在尝试使用Python获取图像的Gradient Vector Field（类似于this matlab question）。

这是原始图像：

这是我的代码：

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()

结果是：

问题是向量似乎不正确。放大图像时，此点会变得更清晰：

为什么有些向量像预期的那样指向中心，而另一些向量却没有呢？

可能调用np.gradient的结果有问题？

Answer 1

我认为你奇怪的结果，至少部分是因为p是uint8类型。即使是numpy diff也会导致此数据类型的数组的值明显不正确。如果通过将p的定义替换为p = np.asarray(I).astype(int8)来转换为有符号整数，则diff的结果是正确的。下面的代码给出了一个合理的字段

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()

这提供了以下信息：

仔细看，这看起来像你所期望的