python实现sobel_OpenCV-Python系列之Sobel和Scharr算子

最新推荐文章于 2024-06-11 16:41:22 发布
最新推荐文章于 2024-06-11 16:41:22 发布
阅读量776 收藏 3
点赞数
文章标签： python实现sobel
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_29331015/article/details/113978918
版权
本文介绍了Sobel和Scharr算子在图像边缘检测中的应用。通过Python的OpenCV库，展示了如何计算图像的水平和垂直方向梯度，并通过convertScaleAbs和addWeighted函数处理结果，以获取清晰的边缘图像。同时指出Sobel算子虽然广泛使用，但可能不能严格区分图像主体和背景，而Scharr算子提供更精确的计算结果。
摘要由CSDN通过智能技术生成

我们再上个教程中留了一个小彩蛋——形态学的梯度问题，通常情况下，它被用于提取图像的轮廓，今天我们来了解图像边缘的另一种方法，它将比形态学梯度更有效，适用范围也更广。

Sobel算子

前面的例子，已经接触到了图像卷积运算。最终要的卷积运算之一是用于计算图像的导数(或近似导数)。为什么图像中导数的计算很重要，看下面边缘检测的例子：346073c061627d77828a0958f1ea7149.png

很容易观察到上面图像中像素灰度值变化没有规律。一种比较好的描述这种变化的方法是采用导数。其中梯度剧烈变化的地方代表图像灰度值变化强烈的地方，也就是边缘。

为了更好的说明，以1维图像(也就是图像的1行)为例。边缘出现在灰度值跳变的地方，如下图所示：16e37de6975c9e417aaeca9fd21366c8.png

如果对上面的1维图像求导数，得到下图，可以很明显的看到边缘所在的位置。ed35d04ecaaa2fcab24a4bc7544f270b.png

从上面的解释，我们可以设置一个阈值，根据局部像素变化强烈程度获取图

最低0.47元/天 解锁文章
动妈-游戏力育儿
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
八方向Sobel算子（3x3）的python实现
07-09
一种改进的八方向Sobel算子，python代码（基于matlab源码改写）。八个Kernel为：mask1=[-1 -2 -1;0 0 0;1 2 1]; mask2=[-2 -1 0;-1 0 1;0 1 2]; mask3=[-1 0 1;-2 0 2;-1 0 1]; mask4=[0 1 2;-1 0 1;-2 -1 0]; mask5=[1 2 1;0 0 0;-1 -2 -1]; mask6=[2 1 0;1 0 -1;0 -1 -2]; mask7=[1 0 -1;2 0 -2;1 0 -1]; mask8=[0 -1 -2;1 0 -1;2 1 0];
OpenCV边缘检测Canny算子sobel算子scharr滤波（VS2015+OpenCV3.4.9）
02-29
总结起来，边缘检测是图像分析的基础，OpenCV提供了多种有效的工具，如Canny算子、Sobel算子和Scharr滤波器，来帮助开发者在C++环境中实现这些功能。通过实践和比较，我们可以更好地选择适合特定应用场景的边缘检测...
Python实现索伯尔算子
qq_44246412的博客
04-04 3295
Python实现索伯尔算子 最近在学习Python，正好用sobel算子练练手，将就看看吧 先放原图 接着是用Opencv中sobel实现如下： # OpenCV ori_img = cv.imread("C:\\Users\\BLYX\\Desktop\\test\\temple1.jpg") x = cv.Sobel(ori_img[:, :, 0], cv.CV_16S, 1, 0) y = cv.Sobel(ori_img[:, :, 0], cv.CV_16S, 0, 1)
sobel算子python代码
最新发布
Maple_LM的博客
06-11 366
现在，sobel_results 是一个形状为 (batch_size, channels, height, width) 的 NumPy 数组，包含 Sobel 算子的结果。使用该代码时，注意输入图像像素值域,根据值域不同需要调整代码，否则容易因为精度问题出现nah警告，导致网络梯度信息错误，最好是不要在网络传递过程中使用该方法，如要使用需要自己调整代码。# 如果需要，你可以将梯度的计算结果再转回 PyTorch 张量。# 如果需要，你可以将其再转回 PyTorch 张量。# 循环遍历每个通道。
python 自己编写实现Sobel算子
GuaPiQ的博客
08-20 5605
代码 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(‘D:\my_matlab\lenna.jpg’) d = cv2.cvtColor(img,cv2.COLOR_RGB2GRAY) sp = d.shape print(sp) height = sp[0] weight = sp[1...
Sobel（索贝尔），Scharr（沙尔）和Laplacian（拉普拉斯）算子——python实现
Keep_Trying_Go的博客
06-10 4140
Sobel（索贝尔），Scharr（沙尔）和Laplacian（拉普拉斯）算子——python实现
sobel算子及python实现
热门推荐
知道不_zkl的博客
06-07 2万+
简介  sobel算子是图像边缘检测的最重要的算子之一，在机器学习、数字媒体、计算机视觉等领域起着重要作用。由Irwin Sobel在1968年的一次博士课题讨论会上提出。本文主要介绍了Sobel算子的计算过程，python实现过程和python中相关函数的介绍。方便读者实际使用。 原理  边缘是指在图像上像素灰度变化最显著的地 方，边缘检测算子则利用图像边缘灰度的突变来检 测边缘。So...
Opencv-python-doc.zip_OpenCV Python_OpenCV-Python-_doc_opencv
09-14
3. 图像滤波：如高斯滤波、中值滤波、 Sobel算子、Scharr算子用于边缘检测，以及各种模糊操作。 4. 特征检测：包括角点检测（Harris角点、Shi-Tomasi角点）、SIFT、SURF、ORB等特征提取算法。 5. 机器学习与深度...
OpenCV-python 图像梯度1
08-03
在代码实现中，我们使用了 Laplacian 算子和 Sobel 算子来检测图像中的边缘信息。Laplacian 算子可以检测图像中的二阶导数，而 Sobel 算子可以检测图像中的一阶导数。通过比较这两种算子的结果，我们可以得到图像中...
opencv-python基础.zip
08-17
第四章 梯度计算--用于边缘检测(Canny,Sobel,Scharr)​ 第五章 图像金字塔 第六章轮廓检测 6.1轮廓检测 6.2利用 hsv追踪蓝色物体 第七章 图像直方图与傅里叶变换 7.1直方图 7.2傅里叶变换 第八章角点检测...
18.图像锐化与边缘检测之Scharr算子、Canny算子和LOG算子1
08-03
这些算子在Python的OpenCV库中都有对应的函数，例如`cv2.Scharr()`, `cv2.Canny()`, 和 `cv2.Laplacian()`。在实际应用中，应根据具体需求选择合适的算子，例如，Scharr算子适合对精度要求高的场景，Canny算子则适用...
【python-opencv】 sobel算子 图像边缘检测 图像二值化处理
12-21
文章目录一、rgb空间下的sobel边缘检测（1）代码（2）结果二、hsv-s空间下的加入图像腐蚀和图像膨胀的sobel边缘检测（1）代码（2）结果三、hsv-s空间下的加入图像腐蚀和图像膨胀，并进行孔洞填充后的sobel边缘检测（1）代码（2）结果 一、rgb空间下的sobel边缘检测 （1）代码 # -*- coding: utf-8 -*- import cv2 import matplotlib.pyplot as plt # 读取图像 # 此处注意cv2.imread读出来的是bgr格式要转为rgb img = cv2.imread('7.jpg') img = cv2.cvtCol
canny算子、sobel算子边缘检测python代码
06-17
canny算子、sobel算子边缘检测的python代码实现
OpenCV-Python （Sobel算子）
haohaomua的博客
09-12 3874
Sobel算子 Sobel算子的基本概念 Sobel算子是一个主要用于边缘检测的离散微分算子（discrete differentiation operator）。它结合了高斯平滑和微分求导，用来计算图像灰度函数的近似梯度。在图像的任意一点使用此算子，都将会产生对应的梯度矢量或是其法矢量。 原型 Sobel算子依然是一种过滤器，只是其是带有方向的。在OpenCV-Pyt...
Python OpenCV -- Sobel 算子（九）
我喜欢智能化
02-19 5907
Sobel  算子    Sobel  算子 -- 是一种带有方向性的滤波器，   在Python 中的原型： dst = cv2.Sobel(src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]])src -- 原图像 ddepth -- 图像的深度，-1 表示采用的是与原图像相同的深度。目标图像的深
sobel算子处理图像python代码实现（计算梯度以及梯度方向）
Sophia_hust的博客
09-24 2637
import cv2 import numpy as np def sobel(img_src): img_sobel_64x = cv2.Sobel(img_src, cv2.CV_64F, 1, 0) # 图像深度 64位浮点数 x方向一阶求导 img_sobel_64y = cv2.Sobel(img_src, cv2.CV_64F, 0, 1) # Gx Gy img_sobel_x = cv2.convertScaleAbs(img_sobel_64x) # 先计算数
2021-10-13 索贝尔算子（Sobeloperator）python算法实践
u014017670的博客
10-13 471
本来想自己写的，看到网上有写好的，直接省事了，自己运行一下，测试下还是有收获的。 增加了一些自己的注释 #!/usr/bin/env python3 # coding=utf-8 from PIL import Image import numpy as np img_name = input("输入要处理的图片\n") # img_name = "t3.png" img = Image.open(img_name).convert("L") # 读图片并转化为灰度图 img_array = np
OpenCV—Sobel边缘检测的python代码实现
AI_dataloads的博客
10-13 3009
Sobel算子是一种基于卷积的边缘检测算法，它用于检测图像中的水平和垂直边缘。Sobel算子的核（kernel）是一个3x3的矩阵，分别对图像的水平和垂直方向进行卷积操作，从而得到水平和垂直边缘的近似梯度信息。这些梯度信息可以用来确定图像中的边缘位置。
python怎么计算图像梯度_OpenCV-Python-图像梯度
05-20
在OpenCV-Python中，可以使用Sobel、Scharr、Laplacian等算子计算图像的梯度。 以下是一些示例代码： 1. 使用Sobel算子计算图像水平和垂直方向的梯度： ``` import cv2 img = cv2.imread('image.jpg', 0) # 水平方向 sobelx = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3) # 垂直方向 sobely = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3) ``` 2. 使用Scharr算子计算图像水平和垂直方向的梯度： ``` import cv2 img = cv2.imread('image.jpg', 0) # 水平方向 scharrx = cv2.Scharr(img, cv2.CV_64F, 1, 0) # 垂直方向 scharry = cv2.Scharr(img, cv2.CV_64F, 0, 1) ``` 3. 使用Laplacian算子计算图像的梯度： ``` import cv2 img = cv2.imread('image.jpg', 0) # Laplacian算子 laplacian = cv2.Laplacian(img, cv2.CV_64F) ``` 以上示例中，img是输入的图像，ksize是算子的大小，CV_64F表示输出图像的深度为64位浮点数，通过这些算子计算后，可以得到输入图像的梯度信息。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值