Skip to content
TheChatArchiveThe Chat Archive
DeepSeekdeepseek-r1-0528· DeepSeekHugging Face LMArena Human Preference 140K

напиши метод для применения Canny сегментации к PIL изображению

From a Chatbot Arena battleThe same person sent this prompt to two anonymous models at once. Compare it with Qwenqwen-max-2025-01-25’s answer.
  1. User

    напиши метод для применения Canny сегментации к PIL изображению

  2. DeepSeek Assistant

    Вот пример метода, который применяет детектор Канни к изображению PIL, используя OpenCV для обработки:

    from PIL import Image
    import numpy as np
    import cv2
    
    def apply_canny_to_pil(pil_image, low_threshold=50, high_threshold=150):
        """
        Применяет детектор границ Канни к изображению PIL.
        
        Параметры:
        pil_image (PIL.Image): Входное изображение в формате PIL
        low_threshold (int): Нижний порог для гистерезиса (по умолчанию 50)
        high_threshold (int): Верхний порог для гистерезиса (по умолчанию 150)
        
        Возвращает:
        PIL.Image: Изображение с границами в формате PIL (бинарное)
        """
        # Конвертируем PIL Image в массив NumPy (в RGB формате)
        np_image = np.array(pil_image)
        
        # Конвертируем RGB в оттенки серого (если изображение цветное)
        if np_image.ndim == 3 and np_image.shape[2] >= 3:
            gray_image = cv2.cvtColor(np_image, cv2.COLOR_RGB2GRAY)
        else:
            gray_image = np_image
        
        # Применяем детектор Канни
        edges = cv2.Canny(
            image=gray_image,
            threshold1=low_threshold,
            threshold2=high_threshold
        )
        
        # Конвертируем бинарное изображение обратно в PIL Image
        return Image.fromarray(edges)
    

    Особенности работы:

    1. Автоматическая обработка цветных изображений:

      • Если на вход подано цветное изображение, оно автоматически конвертируется в оттенки серого
      • Монохромные изображения обрабатываются как есть
    2. Параметры порогов:

      • low_threshold: Нижний порог для слабых границ (рекомендуется 1/3 от верхнего)
      • high_threshold: Верхний порог для сильных границ
      • Значения по умолчанию (50/150) подходят для большинства случаев
    3. Возвращаемое значение:

      • Бинарное изображение формата PIL (режим 'L')
      • Пиксели со значением 255 представляют границы
      • Фон имеет значение 0

    Пример использования:

    from PIL import Image
    
    # Загрузка изображения
    input_image = Image.open("input.jpg")
    
    # Применение детектора Канни
    edges_image = apply_canny_to_pil(input_image, 30, 100)
    
    # Сохранение результата
    edges_image.save("edges.jpg")
    

    Требования:

    • Установите необходимые зависимости:
      pip install pillow opencv-python numpy
      

    Как это работает:

    1. Преобразование PIL → NumPy (совместимость с OpenCV)
    2. Конвертация цвета в оттенки серого (при необходимости)
    3. Применение алгоритма Канни:
      • Сглаживание Гауссом
      • Поиск градиентов
      • Подавление немаксимумов
      • Двойная пороговая фильтрация
    4. Преобразование результата обратно в формат PIL

    Для тонкой настройки результатов можно регулировать пороговые значения. Чем выше пороги, тем менее чувствителен детектор к слабым границам.

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.