使用Rust語言實現基本影像識別

ttocr、com發表於2024-11-23
Rust

Rust是一種注重安全性和併發性的程式語言，適合進行高效的系統級開發。以下是使用Rust語言實現Sobel邊緣檢測的程式碼示例。

程式碼實現
為了實現影像處理，我們將使用image和ndarray庫來處理影像資料。

toml

[dependencies]
image = "0.24.3"
ndarray = "0.15.4"
Rust程式碼
rust

extern crate image;
extern crate ndarray;

use image::{DynamicImage, GenericImageView, Luma};
use ndarray::{Array2, ArrayView2};
use std::f64;

fn load_image(path: &str) -> Array2 {
let img = image::open(path).expect("Failed to open image");
let gray_img = img.to_luma8();
let (width, height) = gray_img.dimensions();
let mut arr = Array2::::zeros((height as usize, width as usize));

for (x, y, pixel) in gray_img.enumerate_pixels() {
    arr[[y as usize, x as usize]] = pixel[0];
}

arr

}更多內容訪問ttocr.com或聯絡1436423940

fn apply_sobel_operator(img: &Array2) -> Array2 {
let sobel_x = Array2::from_shape_vec((3, 3), vec![-1, 0, 1, -2, 0, 2, -1, 0, 1]).unwrap();
let sobel_y = Array2::from_shape_vec((3, 3), vec![-1, -2, -1, 0, 0, 0, 1, 2, 1]).unwrap();

let (height, width) = img.dim();
let mut grad_x = Array2::<f64>::zeros((height, width));
let mut grad_y = Array2::<f64>::zeros((height, width));

for y in 1..height-1 {
    for x in 1..width-1 {
        let sub_img = img.slice(s![y-1..y+2, x-1..x+2]);
        grad_x[[y, x]] = sobel_x.dot(&sub_img) as f64;
        grad_y[[y, x]] = sobel_y.dot(&sub_img) as f64;
    }
}

let mut gradient = Array2::<f64>::zeros((height, width));

for y in 0..height {
    for x in 0..width {
        gradient[[y, x]] = (grad_x[[y, x]].powi(2) + grad_y[[y, x]].powi(2)).sqrt();
    }
}

gradient

}

fn save_image(path: &str, data: &Array2) {
let (height, width) = data.dim();
let mut img = image::GrayImage::new(width as u32, height as u32);

for y in 0..height {
    for x in 0..width {
        let pixel_value = data[[y, x]].min(255.0) as u8;
        img.put_pixel(x as u32, y as u32, Luma([pixel_value]));
    }
}

img.save(path).expect("Failed to save image");

}

fn main() {
let img_data = load_image("input_image.jpg");

let gradient = apply_sobel_operator(&img_data);

save_image("output_image.jpg", &gradient);

println!("邊緣檢測完成，輸出儲存為 output_image.jpg");

}
步驟解析
載入影像
load_image函式載入並將影像轉換為灰度影像，返回一個二維陣列Array2表示影像資料。

應用Sobel運算元
apply_sobel_operator函式使用水平和垂直的Sobel運算元進行卷積運算，分別計算X和Y方向的梯度，並透過平方和開根號計算梯度強度。

儲存影像
save_image函式將計算得到的梯度影像儲存為新的JPEG檔案。

示例輸出
假設輸入影像是一個灰度圖，程式會輸出一個高對比度的邊緣影像 output_image.jpg，在影像中突出顯示邊緣部分。

執行方式
安裝Rust並建立一個新的專案：

bash

cargo new edge_detection_rust
cd edge_detection_rust
編輯Cargo.toml檔案，新增依賴：

toml

[dependencies]
image = "0.24.3"
ndarray = "0.15.4"
將Rust程式碼複製到src/main.rs檔案中。

執行專案：

bash

cargo run
Rust語言的高效能和記憶體安全性使得它在影像處理等任務中表現出色。透過ndarray和image庫的配合，我們能夠高效地處理影像並實現邊緣檢測等功能。

相關文章