Andrea's Wiki

外观

grid_sampling_pixelize.py 工具 ​

grid_sampling_pixelize.py 是基于峰值检测的网格识别和采样工具，提供多尺度边缘增强和相似颜色合并功能。

功能特点 ​

  • 多尺度边缘增强：使用多个核大小的 Sobel 和 Laplacian 算子
  • 峰值检测网格识别：基于 scipy.signal.find_peaks 的精确峰值检测
  • 规律网格生成：从不规则的检测线生成规律网格
  • 相似颜色合并：可配置的颜色相似度合并
  • 调试可视化：生成显示网格线和采样点的调试图像

核心算法 ​

多尺度边缘增强 ​

python
edges_combined = np.zeros_like(gray, dtype=float)

# 尝试不同的核大小
for ksize in [3, 5, 7]:
    # Sobel边缘检测
    sobel_x = cv2.Sobel(gray, cv2.CV_64F, 1, 0, ksize=ksize)
    sobel_y = cv2.Sobel(gray, cv2.CV_64F, 0, 1, ksize=ksize)

    # 计算梯度幅值
    sobel_magnitude = np.sqrt(sobel_x**2 + sobel_y**2)

    # 拉普拉斯边缘检测
    laplacian = cv2.Laplacian(gray, cv2.CV_64F, ksize=ksize)
    laplacian = np.abs(laplacian)

    # Canny边缘检测
    canny = cv2.Canny(gray, 50, 150)

    # 组合所有边缘
    edges_combined += sobel_magnitude + laplacian + canny

峰值检测 ​

python
# 找峰值
peaks, properties = find_peaks(
    projection,
    distance=min_distance,
    prominence=peak_prominence * projection.max()
)

# 添加边界
grid_lines = np.concatenate([[0], peaks, [edges_2d.shape[axis]]])

规律网格生成 ​

python
# 计算网格间距
spacings = np.diff(grid_lines)

# 找到最常见的间距（众数）
common_spacing = mode(spacings, keepdims=True).mode[0]

# 创建规律网格
regular_grid = np.arange(0, image_size, common_spacing)

相似颜色合并 ​

python
# 对每个像素，找到最接近的已存在的颜色
for i, pixel in enumerate(pixels):
    for ref_color_key in unique_colors:
        ref_color = np.array(ref_color_key.split(','), dtype=float)
        distance = np.linalg.norm(pixel_float - ref_color)

        if distance <= threshold:
            merged_pixels[i] = (ref_color * 255).astype(np.uint8)
            break

使用方法 ​

基本使用 ​

bash
# 基本使用
python grid_sampling_pixelize.py --in input.png

调整检测参数 ​

bash
# 调整边缘检测和峰值检测参数
python grid_sampling_pixelize.py --in input.png \
  --edge-threshold 0.05 \
  --peak-prominence 0.1 \
  --min-distance 5

颜色合并 ​

bash
# 启用颜色合并
python grid_sampling_pixelize.py --in input.png \
  --color-threshold 0.15

放大和颜色量化 ​

bash
# 放大并限制颜色数
python grid_sampling_pixelize.py --in input.png \
  --upscale 4 \
  --colors 64

调试模式 ​

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

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>_grid_pixel.png
--edge-threshold边缘检测阈值（0.0-1.0）0.05
--peak-prominence峰值显著性阈值（0.0-1.0）0.1
--min-distance网格线最小间距（像素）5
--upscale放大倍数（1=保持原始像素大小）1
--colors调色板大小256
--no-quant跳过颜色量化false
--color-threshold颜色相似度阈值（0.0-1.0，0=禁用）0.0
--debug保存调试图像false

输出说明 ​

grid_sampling_pixelize.py 会生成以下输出文件：

文件说明
*_grid_pixel.png像素化结果
*_grid_debug.png调试图像（如果启用 --debug），显示网格线（绿色）和采样点（红色）

参数详解 ​

--edge-threshold ​

边缘检测阈值，控制哪些边缘被认为是网格线。

bash
# 低阈值 - 检测更多边缘
python grid_sampling_pixelize.py --in image.png --edge-threshold 0.02

# 高阈值 - 只检测强边缘
python grid_sampling_pixelize.py --in image.png --edge-threshold 0.1

--peak-prominence ​

峰值显著性阈值，控制峰值的突出程度。

bash
# 低显著性 - 检测更多峰值
python grid_sampling_pixelize.py --in image.png --peak-prominence 0.05

# 高显著性 - 只检测突出峰值
python grid_sampling_pixelize.py --in image.png --peak-prominence 0.2

--min-distance ​

网格线之间的最小间距，防止检测到过于密集的网格线。

bash
# 小间距 - 精细网格
python grid_sampling_pixelize.py --in image.png --min-distance 3

# 大间距 - 粗糙网格
python grid_sampling_pixelize.py --in image.png --min-distance 10

--color-threshold ​

颜色相似度阈值，用于合并相似的颜色。

  • 0.0：禁用颜色合并
  • 0.1-0.2：适度合并，减少颜色数
  • 0.3+：激进合并，大幅减少颜色数
bash
# 禁用颜色合并
python grid_sampling_pixelize.py --in image.png --color-threshold 0.0

# 适度合并
python grid_sampling_pixelize.py --in image.png --color-threshold 0.15

# 激进合并
python grid_sampling_pixelize.py --in image.png --color-threshold 0.3

使用示例 ​

示例 1：基本使用 ​

bash
python grid_sampling_pixelize.py --in image.png

输出：

Original image size: 512 x 512
Detected grid: 64 x 64 pixels
Saved: out/image_grid_pixel.png

示例 2：精细检测 + 颜色合并 ​

bash
python grid_sampling_pixelize.py --in image.png \
  --edge-threshold 0.03 \
  --peak-prominence 0.08 \
  --min-distance 4 \
  --color-threshold 0.1

输出：

Original image size: 512 x 512
Detected grid: 64 x 64 pixels
Merging similar colors with threshold: 0.1
Unique colors after merging: 128
Saved: out/image_grid_pixel.png

示例 3：高清输出 + 颜色量化 ​

bash
python grid_sampling_pixelize.py --in image.png \
  --upscale 1 \
  --colors 32

示例 4：调试模式 ​

bash
python grid_sampling_pixelize.py --in image.png \
  --edge-threshold 0.05 \
  --peak-prominence 0.1 \
  --min-distance 5 \
  --debug

会生成两个文件：

  • out/image_grid_pixel.png - 像素化结果
  • out/image_grid_debug.png - 调试图像（绿色网格线 + 红色采样点）

适用场景 ​

推荐使用 grid_sampling_pixelize.py： ​

  • 需要多尺度边缘检测：不同尺度的网格线
  • 不规则网格：需要从检测线生成规律网格
  • 需要颜色合并：减少颜色数量
  • 需要调试可视化：查看采样点位置

不推荐使用： ​

  • 简单的规则网格（推荐使用 demo_pixelize.py）
  • 需要方向性增强（推荐使用 energ）
  • 需要最高精度网格检测

性能特点 ​

特性值
处理速度中等
检测精度高
自适应能力中
颜色处理支持相似颜色合并

与其他工具对比 ​

特性grid_samplingedge_detectenerg
多尺度检测✅❌❌
峰值检测✅❌✅
颜色合并✅❌❌
速度中快中
精度高中高

← 返回用户指南