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。
让两个方向模板分别沿着
x
x
轴、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)
(
3
)
和式
(4)
(
4
)
所示,其 中
Gx
G
x
及
Gy
G
y
分别代表经横向及纵向边缘检测的图像梯度值。
图像上每个像素点的横向及纵向梯度值通过如 下式 (5) ( 5 ) 结合,来计算该点梯度值 G G 的大小:
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:
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