sobel算子及python实现

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。Sobel算子包含两组3×3的滤波器，分别对水平及垂直方向上的边缘敏感。

$$G_x =\begin{bmatrix} x_1 & x_2 & x_3 \\ x_4 & x_5 & x_6 \\ x_7 & x_8 & x_9 \end{bmatrix} = \begin{bmatrix} -1 & 0 & 1 \\ -2 & 0 & 2 \\ -1 & 0 & 1 \end{bmatrix} \tag 1$$

$$G_y =\begin{bmatrix} x_1 & x_2 & x_3 \\ x_4 & x_5 & x_6 \\ x_7 & x_8 & x_9 \end{bmatrix} = \begin{bmatrix} 1 & 2 & 1 \\ 0 & 0 & 0 \\ -1 & -2 & -1 \end{bmatrix} \tag 2$$

 让两个方向模板分别沿着$x$轴、$y$轴与图像做卷积，方向是从上到下和从左到右。将模板的中 心和图像上的某个像素重合，并将该像素周围的点 与模板上对应的系数相乘，如式$(3)$和式$(4)$所示，其 中$G_x$及$G_y$分别代表经横向及纵向边缘检测的图像梯度值。

$$G_x = (x_3+2x_6+x_9)-(x_1+2x_3+x_5) \tag 3$$

$$G_y = (x_7+2x_8+x_9)-(x_1+2x_2+x_3) \tag 4$$

  图像上每个像素点的横向及纵向梯度值通过如 下式$(5)$结合，来计算该点梯度值$G$的大小：

$$G = \sqrt{G_x^2+G_y^2} \tag 5$$
 为了减少运算时间，提高运算效率，可以使用绝 对值求和近似的方法代替开平方：

$$G = |G_x|+|G_y| \tag 6$$
  最后选取合适的阈值，将像素点的灰度值与阈 值进行比较，若大于阈值，则该点则为图像边缘点。 由于Sobel算 子对于象素的位置的影响做了加权，可以降低边缘 模糊程度，与Prewitt算子、Roberts算子相比效果更好。

python实现

 sobel算子在python中的实现有两种途径：opencv和skimage。全部代码如下：

from skimage import data,filters,img_as_ubyte
import matplotlib.pyplot as plt
import cv2

# 图像读取
img = data.camera()
plt.imshow(img,plt.cm.gray)

'''**********skimage*************'''
# sobel边缘检测
edges = filters.sobel(img)
# 浮点型转成uint8型
edges = img_as_ubyte(edges)
# 显示图像
plt.figure()
plt.imshow(edges,plt.cm.gray) 

# sobel 水平方向边缘检测
edgesh = filters.sobel_h(img)
edgesh = img_as_ubyte(edgesh)
plt.figure()
plt.imshow(edgesh,plt.cm.gray)

# sobel 竖直方向边缘检测
edgesv = filters.sobel_v(img)
edgesv = img_as_ubyte(edgesv)
plt.figure()
plt.imshow(edgesv,plt.cm.gray) 

'''**********opencv*************'''
# sobel边缘检测
edges = cv2.Sobel(img,cv2.CV_16S,1,1) 
# 浮点型转成uint8型
edges = cv2.convertScaleAbs(edges) 
plt.figure()
plt.imshow(edges,plt.cm.gray) 

# sobel 水平方向边缘检测
edges = cv2.Sobel(img,cv2.CV_16S,1,0) 
edgesh = cv2.convertScaleAbs(edgesh) 
plt.figure()
plt.imshow(edgesh,plt.cm.gray) 

# sobel 竖直方向边缘检测
edges = cv2.Sobel(img,cv2.CV_16S,0,1) 
edgesv = cv2.convertScaleAbs(edgesv) 
plt.figure()
plt.imshow(edgesv,plt.cm.gray) 

效果

原图

---

基于skimage的全方向sobel检测

---

基于skimage的竖直方向sobel检测

---

基于skimage的水平向sobel检测

---

基于opencv的全方向sobel检测

---

基于opencv的竖直方向sobel检测

---

基于opencv的水平向sobel检测