边缘检测2

最新推荐文章于 2025-04-12 14:36:39 发布

原创最新推荐文章于 2025-04-12 14:36:39 发布 · 171 阅读

0 ·

CC 4.0 BY-SA版权

计算机视觉专栏收录该内容

60 篇文章

订阅专栏

sobel算法原理
1算子模板
2图片卷积
3阈值判决

sobel算子模板

竖直方向算子
$\left[ \begin{matrix} 1 & 2 & 1 \\ 0& 0& 0 \\ -1& -2 & -1 \end{matrix} \right]$
水平方向算子
$\left[ \begin{matrix} 1 & 0& -1 \\ 2& 0& -2 \\ 1 & 0 & -1 \end{matrix} \right]$

图片卷积

假设有一张图片有[1,2,3,4]4个点，每个点表明一个像素。当前计算模板是[a,b,c,d]那么卷积后a1+b2+c3+d4=dst
假设c为竖直方向上的梯度，c为竖直方向算子与图像像素点的卷积和，同理d为水平上的算子
sqrt（cc+dd）为幅值如果大于th判决门线则为边缘，小于就是非边缘。
在这里插入图片描述

import cv2
import numpy as np
import random
import math
img = cv2.imread('image0.jpg',1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
cv2.imshow('src',img)
# sobel 1 算子模版 2 图片卷积 3 阈值判决 
# [1 2 1          [ 1 0 -1
#  0 0 0            2 0 -2
# -1 -2 -1 ]       1 0 -1 ]
              
# [1 2 3 4] [a b c d] a*1+b*2+c*3+d*4 = dst
# sqrt(a*a+b*b) = f>th
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
dst = np.zeros((height,width,1),np.uint8)
for i in range(0,height-2):
    for j in range(0,width-2):
        gy = gray[i,j]*1+gray[i,j+1]*2+gray[i,j+2]*1-gray[i+2,j]*1-gray[i+2,j+1]*2-gray[i+2,j+2]*1
        gx = gray[i,j]+gray[i+1,j]*2+gray[i+2,j]-gray[i,j+2]-gray[i+1,j+2]*2-gray[i+2,j+2]
        grad = math.sqrt(gx*gx+gy*gy)
        if grad>50:
            dst[i,j] = 255
        else:
            dst[i,j] = 0
cv2.imshow('dst',dst)
cv2.waitKey(0)