【Python】sobel卷积滤波器实现图像边缘检测

有关卷积filter

索贝尔卷积核

Sobel 算子 也叫 Sobel 滤波, 是两个 3*3 的矩阵, 主要用来计算图像中某一点在横向/纵向上的梯度
Sobel 算子 有两个滤波矩阵：Gx 和 Gy, Gx 用来计算横向的梯度，Gy 用来计算纵向的梯度
注意：这里列出的这两个梯度矩阵对应于横向从左到右（x轴），纵向从上到下的坐标轴（y轴）

需要注意的几点

边缘检测时 所有元素总和为 0 是很重要的。因为这类过滤器要计算的是相邻像素的差异 或者说变化，要计算差异 就需要将像素值相减。在这个例子中
我们要将中间像素与周围像素的值相减，如果这些核值加起来不等于
0，那就意味着计算出来的差，权重会有正负，结果就是滤波后的图像亮度会相应地提高或或降低

作者：徐凯_xp
来源：简书

Python实现

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
import pylab


def convolve(img,fill):
    rgb_r = img[:,:,0]
    rgb_g = img[:,:,1]
    rgb_b = img[:,:,2]

    pro_rgb_r = pre_convolve(rgb_r,fill)
    pro_rgb_g = pre_convolve(rgb_g,fill)
    pro_rgb_b = pre_convolve(rgb_b,fill)

    img_pro = np.dstack((pro_rgb_r,pro_rgb_g,pro_rgb_b))
    return img_pro


def pre_convolve(img,fill):
    fill_height = fill.shape[0]
    fill_width = fill.shape[1]

    img_height = img.shape[0]
    img_width = img.shape[1]

    img_pro_height = img_height - fill_height + 1
    img_pro_width = img_width - fill_width + 1

    pro_rgb = np.zeros((img_pro_height,img_pro_width),dtype='uint8')

    for i in range(img_pro_height):
        for j in range(img_pro_width):
            pro_rgb[i][j] = pro_statistic(img[i:i + fill_height,j:j + fill_width],fill)
    return pro_rgb


def pro_statistic(img,fill):
    res = (img * fill).sum()
    if(res > 255):
        res = 255
    elif(res < 0):
        res = abs(res)  # 让负边缘也显现出来
    return res


sobel_y = np.array([[-1,0,1],
                 [-2,0,2],
                 [-1,0,1]])  # 索贝尔算子 边缘检测

sobel_x = np.array([[-1,-2,-1],
                [0,0,0],
                [1,2,1]])


img = mpimg.imread('library.jpg')
res1 = convolve(img,sobel_x)
res2 = convolve(img,sobel_y)
res = res1 + res2
plt.imshow(res1)
plt.show()

plt.imshow(res2)
plt.show()

plt.imshow(res)
plt.show()

效果图

水平方向边缘检测：

竖直方向边缘检测

两者叠加最终效果图