04 图像梯度处理 Sobel算子

最新推荐文章于 2024-10-19 20:00:00 发布
最新推荐文章于 2024-10-19 20:00:00 发布
阅读量1.7k 收藏 1
点赞数 1
分类专栏： OpenCV学习笔记 文章标签： opencv python
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_45718167/article/details/105545732
版权
本文介绍了Sobel算子在图像梯度处理中的作用，通过3*3卷积核展示了Sobel算子如何增强图像垂直和水平方向的差异。文章讨论了OpenCV中处理负数的方法，以及如何通过组合Sobel算子的Gx和Gy来保留图像轮廓特征。通过实例展示了不同参数设置对图像效果的影响，包括对Lena图像的处理，强调了正确选择dx和dy的重要性。
摘要由CSDN通过智能技术生成

Sobel算子

先来看看sobel算子矩阵的构造，称作卷积核更合适，这就是卷积运算
在这里插入图片描述
以3*3卷积核为例
可以看出Gx卷积核会增强垂直方向两边的差异，而Gy卷积核会增强水平方向上下的差异。
同时可以看到，离中间越近代表的权重越大，同时差异会更加明显，类似高斯分布
函数：dst = cv2.Sobel(src, ddepth, dx, dy, ksize)

ddepth:图像的深度
dx和dy分别表示水平和竖直方向（要哪个方向哪个就填1）
ksize是Sobel算子的大小
以前面用的圆的图片为例

#这里新增了个参数CV_64F，是因为可能产生负数
#OpenCV对于负数的像素会直接设置为0，而这个参数就是为了避免这种情况
sobelx = cv2.Sobel(img,cv.CV_64F,1,0,ksize=3)

用CV_64F（保留负数）和不用CV_64F（负数置0）的图像结果矩阵区别如下：
在这里插入图片描述

最低0.47元/天 解锁文章
ljt爱喝老猪阿茶
关注
专栏目录
利用sobel算子计算图像的梯度（python+opencv）
qxqsunshine的博客
01-08 8163
sobel算子计算的梯度图是带有方向的 代码实现如下： #coding=utf-8 import cv2 import numpy as np #利用sobel算子计算图像的梯度 img=cv2.imread("3.jpg",cv2.IMREAD_UNCHANGED) #读入一副图像，其中包括alpha的值 imread_unchanged #cv2.sobel(src,ddepth,d...
图像梯度-Sobel算子
FLR的博客
07-29 608
图像梯度-Sobel算子 img = cv2.imread('pie.png',cv2.IMREAD_GRAYSCALE) cv2.imshow("img",img) cv2.waitKey() cv2.destroyAllWindows() dst = cv2.Sobel(src, ddepth, dx, dy, ksize) ddepth:图像的深度 dx和dy分别表示水平和竖直方向 ksize是Sobel算子的大小 def cv_show(img,name): cv2.imshow(n
【图像处理】sobel算子简述
Image
03-14 1万+
sobel算子是什么在图像处理上，算子一般也可以认为是滤波器filter，滤波器就是在一个像素点上对它进行与邻域之间的运算。如中值滤波，就是在以像素点为中心，上下左右左上左下右上右下为邻域的集合里，如下图所示结构： 中值滤波就是对P1到P9进行排序，然后获取数值大小排在中间的值，把这个值当做该中心像素点P5的新值。而sobel算子，是为了用来计算边缘的，一般而言，以3x3为大小，有下面这两种形
图像梯度-Sobel算子、scharrx算子和lapkacian算子
最新发布
Mr_Happy_Li的博客
10-19 1453
图像的梯度是指图像亮度变化的空间导数，它描述了图像在不同方向上的强度变化。在图像处理和计算机视觉中，梯度通常用来检测边缘，因为边缘往往是亮度变化最显著的地方。图像梯度可以用多种方式来计算，常见的方法包括：一阶导数（Sobel算子）、二阶导数（Laplacian算子）、Prewitt算子、Canny算子。Sobel算子是一种在图像处理和计算机视觉领域广泛使用的边缘检测算子。Sobel算子使用两个3x3的核（kernel）来分别计算图像在水平和垂直方向上的梯度。这两个核通常被称为Sobel核。
利用sobel算子提取图像的水平特征和竖直特征
Ibelievesunshine的博客
03-16 5612
一. sobel滤波器介绍 sobel滤波器常用来提取灰度图像的水平边缘（水平特征）和竖直边缘（竖直特征） 二. sobel算子 纵向算子，提取图像水平边缘 ↑ 横向算子，提取图像竖直边缘 ↑ 三. 实验：python实现sobel算子并将算子作用于图像 import cv2 import numpy as np # Gray scale ...
OpenCV图像处理使用笔记(八)——Sobel算子
知来者逆的博客
06-26 3261
前言 前面博客讲了矩阵之间的卷积操作，在图像处理中，使用一些标准的模板的卷积核与原图像进行运算，可以改变像素强度，从而影响周围其他像素的强度，常用于图像模糊、锐化及边缘检测等。 Sobel算子 1.Sobel算子主要用作边缘检测，在技术上，它是一离散性差分算子，用来运算图像亮度函数的灰度之近似值。在图像的任何一点使用此算子，将会产生对应的灰度矢量或是其法矢量。 Sobel算子的两个卷积核： 该算...
图像sobel梯度详细计算过程_视频处理之Sobel【附源码】
weixin_39595271的博客
11-23 870
边缘检测是检测图像中的一些像素点，它们周围的像素点的灰度发生了急剧的变化，我们认为在这过程中，图像中的物体不同导致了这一变化，因此可以将这些像素点作为一个集合，可以用来标注图像中不同物体的边界。边缘区域的灰度剖面可以看作是一个阶跃，即图像的灰度在一个很小的区域内变化到另一个相差十分明显的区域。边缘是图像中的重要的结构性特征，边缘往往存在于目标和背景之间，不同的区域之间，因此它可以作为图像分割的重...
matlab图像边缘检测sobel算子梯度图像
05-09
本主题聚焦于使用MATLAB实现图像边缘检测，特别是通过Sobel算子来计算图像的梯度，进而找到图像的边界。Sobel算子是一种广泛应用的微分算子，用于估算图像的梯度强度和方向，从而有效地检测图像边缘。 首先，我们要...
图像梯度-sobel算子
sundanping_123的博客
01-15 1万+
（1）理论部分 x 水平方向的梯度， 其实也就是右边 - 左边，有的权重为1，有的为2 。 若是计算出来的值很大 说明是一个边界 。 y 竖直方向的梯度，其实也就是下面减上面，权重1，或2 。 若是计算出来的值很大 说明是一个边界 。 图像的梯度为： 有时简化为： 即： （2）程序部分 函数：Sobel ddepth 通常取 -1，但是会导致结果溢出，检测不出边缘，故使...
opencv-python图像处理 ----图像梯度、Sobel算子
勤劳鸟儿
01-07 5418
一、图像的梯度处理 1、Sobel算子 梯度可以按照x方向或者y方向求梯度，其实就是在看像素点的差异变化情况，比如黑白物体的交界，其像素值变化差异是非常大的。 求梯度计算使用的函数就叫做Sobel算子，可以分为水平梯度与竖直梯度。 简单点说，Sobel算子是一种特殊的卷积核，可以用于图像的边缘检测。自定义一个水平及竖直方向的sobel算子： # 水平sobel算子 Sobel_x = np.array([[-1, 0, 1], [-2, 0, 2],
sobel 算子计算图像梯度
03-25
使用sobel 计算图像的梯度,调用torch和CV2实现,可以在pytorch代码中直接使用
【图像处理】sobel边缘检测的实现
qq_40268672的博客
02-11 4559
python实现的sobel边缘检测
[传统图像处理]边缘检测之----Sobel算子
ZJE
05-29 1万+
一、作用： sobel算子是图像边缘检测的最重要的算子之一。 Sobel算子根据像素点上下、左右邻点灰度加权差，在边缘处达到极值这一现象检测边缘。对噪声具有平滑作用，提供较为精确的边缘方向信息，边缘定位精度不够高。当对精度要求不是很高时，是一种较为常用的边缘检测方法。 二、原理： Sobel算子输入的图像是灰度图，所以正常图片进行sobel算子提取边缘前，先要把图片转成灰度图。 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×
卷积实现+对一幅图片的操作 ==sobel算子
颠沛的小丸子
09-03 836
import matplotlib.pyplot as plt import matplotlib.image as mping import numpy as np import tensorflow as tf mying=mping.imread('img.jpg') plt.imshow(mying) plt.axis('off') plt.show() print(mying.shape...
灰度图像--图像分割 Sobel算子
热门推荐
Tony的博客
02-10 1万+
学习DIP第44天 转载请标明本文出处：http://blog.csdn.net/tonyshengtan，欢迎大家转载，发现博客被某些论坛转载后，图像无法正常显示，无法正常表达本人观点，对此表示很不满意。有些网站转载了我的博文，很开心的是自己写的东西被更多人看到了，但不开心的是这段话被去掉了，也没标明转载来源，虽然这并没有版权保护，但感觉还是不太好，出于尊重文章作者的劳动，转载请标明出处！！！...
灰度图像的混合空间增强——Sobel算子
lengo的专栏
09-02 676
clc; clear all; I=im2double(imread('D:\Gray Files\3-43.tif')); len=1; %对原始图像进行扩展，此处采用了镜像扩展，目的是解决边缘计算的问题 f_pad=padarray(I,[len,len]); [M,N]=size(f_pad); %sobel算子 Lx=[-1 -2 -1; 0 0 0; 1 2 1]; ...
灰度图像的中值滤波→Sobel→腐蚀运算→膨胀运算算法
fighting2019的博客
04-02 1181
完美是没有极限的，仅仅进行Sobel→腐蚀运算→膨胀运算得到图像边缘，这还不够好！！！如果在Sobel前面加入中值滤波算法呢？？会不会得到的边缘检测图像的效果更上一层楼呢？？？ 结果： 上图左为为灰度→Sobel→腐蚀运算后的图像，上图右为灰度→Sobel→腐蚀运算→膨胀运算后的图像。可见腐膨胀运算后的图像，相当于将腐蚀后的图像边缘进行了加粗，效果更加明朗了。 上图左为灰度→Sobel→...
对于模糊人脸图片和原图的清晰度评估——sobel算子
yidaitian的专栏
09-16 1万+
评估图像清晰度是一个常见的问题。其中主要分为动态和对焦两种。
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