边缘检测之Sobel算子&&Prewitt算子

最新推荐文章于 2025-05-01 16:20:03 发布

飘云之下

最新推荐文章于 2025-05-01 16:20:03 发布

阅读量2.8k

点赞数 1

分类专栏：随笔文章标签： OpenCV

本文链接：https://blog.youkuaiyun.com/weixin_44403952/article/details/90297951

版权

本文介绍了Sobel和Prewitt边缘检测算子，阐述了两者的关系，Sobel算子作为Prewitt算子的改进版，通过权值2增强了中心点的重要性。内容包括算子的原理、梯度幅值的三种表达式，并展示了算法实现后的效果，指出在某些案例中，平方和方法表现更优。同时提到了Prewitt算子的实现，只需更改掩膜即可。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Sobel和 Prewitt算子思想
之所以把这个两个算子拿出来一起说，是因为Sobel算子可以看做是Prewitt的改进版本，向对于Prewitt算子，Sobel算子的模板使用的权值2，可以增加中心点的重要性，在某种程度上实现平滑效果。
Sobel（Prewiit算子亦是如此）边缘检测算子用两个3*3的模板来近似计算图像在某点（i,j）对x和y的偏导数Gx,Gy。而梯度幅值往往有三种表达式：
G = |Gx| + |Gy|
G = pow(Gx,2) + pow(Gy,2)
G = max(Gx,Gy)
这里我们三种情况都试一下。在计算完幅值后，设定一个合适的阈值T，G > T则为255（认为该点是阈值点），否则为0.
算法实现

import numpy as np
import  cv2
from matplotlib import pyplot as plt

#定义掩膜
m1 = np.array([[-1,-2,-1],[0,0,0],[1,2,1]]) #Gx
m2 = np.array([[-1,0,1],[-2,0,2],[-1,0,1]]) #Gy

img = cv2.imread("lena_1.tiff",0)

#边缘扩充

image = cv2.copyMakeBorder(img, 1, 1, 1, 1, borderType=cv2.BORDER_REPLICATE)
rows = image.shape[0]
cols = image.shape[1]

temp = list(range(2))
image1 = np.zeros(image.shape)
image2 = np.zeros(imag

最低0.47元/天解锁文章