Prewitt滤波器的实现，对比Prewitt滤波器和Sobel滤波器提取图像边缘的效果

最新推荐文章于 2024-08-10 20:17:53 发布

Ibelievesunshine

最新推荐文章于 2024-08-10 20:17:53 发布

阅读量3.8k

点赞数

分类专栏：数字图像处理入门文章标签：数字图像处理 opencv Prewitt效果图像边缘检测

文章版权归作者所有，请不要随意转载抄袭，情节严重，追究法律责任！！

本文链接：https://blog.csdn.net/Ibelievesunshine/article/details/104904127

版权

数字图像处理入门专栏收录该内容

68 篇文章 47 订阅

订阅专栏

一. Prewitt滤波器简介

Prewitt是一种常用的检测图像边缘的滤波器，它分为横向和纵向算子，分别用于检测纵向和横向的边缘（注意：横向形式的滤波器检测图像的纵向边缘，纵向形式的滤波器检测图像的横向边缘）。

横向Prewitt滤波器（检测纵向边缘） ↑

纵向Prewitt滤波器（检测横向边缘） ↑

二. Prewitt滤波器和Sobel滤波器比较

注意比较记忆 Prewitt 滤波器和 Sobel 滤波器，它们在形式和功能上十分相近，Sobel滤波器的算子如下两图：

Sobel 纵向算子，提取图像横向边缘 ↑

Sobel 横向算子，提取图像纵向边缘 ↑

三. 实验：实现 Prewitt 算子并用算子对图像进行边缘检测

import cv2

import numpy as np

# prewitt filter

def prewitt_filter(img, K_size=3):

    H, W = img.shape

    # Zero padding

    pad = K_size // 2

    out = np.zeros((H + pad * 2, W + pad * 2), dtype=np.float)

    out[pad: pad + H, pad: pad + W] = img.copy().astype(np.float)

    tmp = out.copy()

    out_v = out.copy()

    out_h = out.copy()

    ## prewitt vertical kernel

    Kv = [[-1., -1., -1.],[0., 0., 0.], [1., 1., 1.]]

    ## prewitt horizontal kernel

    Kh = [[-1., 0., 1.],[-1., 0., 1.],[-1., 0., 1.]]

    # filtering

    for y in range(H):

        for x in range(W):

            out_v[pad + y, pad + x] = np.sum(Kv * (tmp[y: y + K_size, x: x + K_size]))

            out_h[pad + y, pad + x] = np.sum(Kh * (tmp[y: y + K_size, x: x + K_size]))

    out_v = np.clip(out_v, 0, 255)

    out_h = np.clip(out_h, 0, 255)

    out_v = out_v[pad: pad + H, pad: pad + W].astype(np.uint8)

    out_h = out_h[pad: pad + H, pad: pad + W].astype(np.uint8)

    return out_v, out_h

# Read Gray image

img = cv2.imread("../paojie_g.jpg",0).astype(np.float)

# prewitt filtering

out_v, out_h = prewitt_filter(img, K_size=3)

# Save result

cv2.imwrite("out_v.jpg", out_v)

cv2.imshow("result_v", out_v)

cv2.imwrite("out_h.jpg", out_h)

cv2.imshow("result_h", out_h)

cv2.waitKey(0)

cv2.destroyAllWindows()

四. 实验结果：