图片处理（五）robert、prewitt、sobel算子边界检测

robert算子其实就是一个22数组，1，-1对角线，是一个卷积核，目的就是用差分法求出边界，此法比较粗糙,很多人说卷积核是矩阵，其实我的理解是数组，因为运算方式不符合矩阵。
prewitt算子是33卷积核，两边1，-1沿中间或对角线对称
sobel算子考虑了距离权重，不是一味的都是1或-1，而在prewitt的基础上中间的数字是2或-2，较prewitt更先进
另外cv2.Canny（image,阈值1一般50，阈值2一般150，sobel算子大小可选参数）canny算子很复杂，暂时不实现了，直接调用api

robert代码如下:

import numpy as np
import cv2

path = r'../test.jpg'
image = cv2.imread(path,0)
robert = [[[1,0],[0,-1]],[[0,-1],[1,0]]]
robert = np.asarray(robert)
hight,width = image.shape

#img_map = np.zeros((hight+2,width+2))
#img_map[1:hight+1,1:width+1] = image

result_map = np.zeros((hight,width))

for i in range(1,hight):
	for j in range(1,width):
		for rob in robert:
			result_map[i-1,j-1] = result_map[i-1,j-1]+np.sum(image[i-1:i+1,j-1:j+1]*rob)

print(result_map)
cv2.imshow('test',result_map.astype(np.uint8))
cv2.imwrite('rob.jpg',result_map.astype(np.uint8))
cv2.waitKey(0)
cv2.destroyWindows()

sobel就直接调用api，如果自制卷积核和上面代码类似,代码如下:

import numpy as np
import cv2

path = r'../test.jpg'
image = cv2.imread(path,0)
sobel = cv2.Sobel(image,cv2.CV_64F,1,1,ksize=3)
# robert = [[[1,0],[0,-1]],[[0,-1],[1,0]]]
# robert = np.asarray(robert)
# hight,width = image.shape

#img_map = np.zeros((hight+2,width+2))
#img_map[1:hight+1,1:width+1] = image

# result_map = np.zeros((hight,width))

# for i in range(1,hight):
# 	for j in range(1,width):
# 		for rob in robert:
# 			result_map[i-1,j-1] = result_map[i-1,j-1]+np.sum(image[i-1:i+1,j-1:j+1]*rob)

# print(result_map)
# cv2.imshow('test',result_map.astype(np.uint8))
# cv2.imwrite('rob.jpg',result_map.astype(np.uint8))
cv2.imshow('test',sobel.astype(np.uint8))
cv2.imwrite('sobel.jpg',sobel.astype(np.uint8))
cv2.waitKey(0)
cv2.destroyWindows()

效果如下:
值得说的事sobel可以再x方向进行检测， 也可以再y方向进行检测，这张图是xy检测的，只需调整参数将1变为0对应检测方向就变了