Andrea's Wiki

外观

edge_detect_pixelize.py 工具 ​

edge_detect_pixelize.py 是基于 Sobel 边缘检测的简化网格识别工具，适合快速处理边缘清晰的图像。

功能特点 ​

  • 简单快速的边缘检测：使用 Sobel 算子检测图像边缘
  • 基于投影的网格线检测：将边缘投影到一维空间进行峰值检测
  • 颜色量化：支持调色板大小控制
  • 调试模式可视化：生成调试图像显示检测到的网格线

核心算法 ​

Sobel 边缘检测 ​

python
# 计算水平和垂直梯度
sobel_x = cv2.Sobel(gray, cv2.CV_64F, 1, 0, ksize=3)
sobel_y = cv2.Sobel(gray, cv2.CV_64F, 0, 1, ksize=3)

# 归一化到 0-1
sobel_x = np.abs(sobel_x) / np.max(sobel_x)
sobel_y = np.abs(sobel_y) / np.max(sobel_y)

# 应用阈值
edges_x = (sobel_x > threshold).astype(np.uint8)
edges_y = (sobel_y > threshold).astype(np.uint8)

投影峰值检测 ​

python
# 投影到一维
projection = np.sum(edges, axis=0)

# 平滑处理
kernel = np.ones(kernel_size) / kernel_size
smoothed = np.convolve(projection, kernel, mode='same')

# 找到局部最大值
for i in range(1, len(smoothed) - 1):
    if smoothed[i] > smoothed[i-1] and smoothed[i] > smoothed[i+1]:
        if smoothed[i] > np.mean(smoothed) * 0.5:
            lines.append(i)

使用方法 ​

基本使用 ​

bash
# 基本使用（使用默认参数）
python edge_detect_pixelize.py --in input.png

调整参数 ​

bash
# 调整边缘检测阈值和网格尺寸
python edge_detect_pixelize.py --in input.png \
  --edge-threshold 0.1 \
  --min-grid-size 4 \
  --max-grid-size 16 \
  --upscale 4 \
  --colors 16

调试模式 ​

bash
# 保存调试图像
python edge_detect_pixelize.py --in input.png --debug

跳过颜色量化 ​

bash
# 保留原始颜色
python edge_detect_pixelize.py --in input.png --no-quant

参数说明 ​

参数说明默认值
--in输入图像路径必填
--out输出图像路径out/<name>_edge_pixel.png
--edge-threshold边缘检测阈值（0.0-1.0）0.1
--min-grid-size最小网格尺寸（像素）2
--max-grid-size最大网格尺寸（像素）20
--upscale放大倍数4
--colors调色板大小32
--no-quant跳过颜色量化false
--debug保存调试图像false

输出说明 ​

edge_detect_pixelize.py 会生成以下输出文件：

文件说明
*_edge_pixel.png像素化结果
*_debug.png调试图像（如果启用 --debug），显示检测到的网格线

参数详解 ​

--edge-threshold ​

边缘检测阈值，控制边缘检测的敏感度。

  • 较低值（如 0.05）：检测更多边缘，可能产生噪声
  • 较高值（如 0.2）：只检测强边缘，可能漏掉弱边缘
bash
# 低阈值 - 检测更多边缘
python edge_detect_pixelize.py --in image.png --edge-threshold 0.05

# 高阈值 - 只检测强边缘
python edge_detect_pixelize.py --in image.png --edge-threshold 0.2

--min-grid-size 和 --max-grid-size ​

控制检测的网格尺寸范围。

bash
# 小像素网格（4-8 像素）
python edge_detect_pixelize.py --in image.png \
  --min-grid-size 4 --max-grid-size 8

# 大像素网格（10-20 像素）
python edge_detect_pixelize.py --in image.png \
  --min-grid-size 10 --max-grid-size 20

--upscale ​

控制输出图像的放大倍数。

bash
# 原始分辨率
python edge_detect_pixelize.py --in image.png --upscale 1

# 放大 4 倍
python edge_detect_pixelize.py --in image.png --upscale 4

# 放大 8 倍
python edge_detect_pixelize.py --in image.png --upscale 8

--colors ​

控制颜色量化的调色板大小。

bash
# 16 色调色板（复古风格）
python edge_detect_pixelize.py --in image.png --colors 16

# 64 色调色板（中等细节）
python edge_detect_pixelize.py --in image.png --colors 64

# 256 色调色板（高细节）
python edge_detect_pixelize.py --in image.png --colors 256

--debug ​

生成调试图像，可视化检测过程。

调试图像会用蓝色线条标注检测到的网格线，帮助理解算法工作原理。

bash
python edge_detect_pixelize.py --in image.png --debug

使用示例 ​

示例 1：基本像素化 ​

bash
python edge_detect_pixelize.py --in image.png

示例 2：精细网格 ​

bash
python edge_detect_pixelize.py --in image.png \
  --min-grid-size 3 --max-grid-size 6 \
  --upscale 2

示例 3：复古风格 ​

bash
python edge_detect_pixelize.py --in image.png \
  --edge-threshold 0.15 \
  --colors 16 \
  --upscale 4

示例 4：调试模式 ​

bash
python edge_detect_pixelize.py --in image.png \
  --edge-threshold 0.1 \
  --min-grid-size 4 \
  --max-grid-size 12 \
  --debug

适用场景 ​

推荐使用 edge_detect_pixelize.py： ​

  • 简单的像素风格图像：网格规则、边缘清晰
  • 需要快速处理：处理速度优先
  • 边缘清晰的图像：图像对比度高
  • 需要调试可视化：想要查看检测过程

不推荐使用： ​

  • 复杂的 AI 生成图像（推荐使用 energ）
  • 网格不规则的图像
  • 需要高精度网格检测

性能特点 ​

特性值
处理速度快
检测精度中等
自适应能力弱（固定参数）
内存占用低

与其他工具对比 ​

相比 energ：

特性edge_detect_pixelize.pyenerg
检测精度中高
速度快中等
参数复杂度低高
自适应能力弱强
调试功能有有

← 返回用户指南