计算机视觉（六） -- Edge Detection（sobel） & Gaussian Blur

Sobel算子是像素图像边缘检测中最重要的算子之一，在机器学习、数字媒体、计算机视觉等信息科技领域起着举足轻重的作用。在技术上，它是一个离散的一阶差分算子，用来计算图像亮度函数的一阶梯度之近似值。在图像的任何一点使用此算子，将会产生该点对应的梯度矢量或是其法矢量。 ^[1]

该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像，其公式如下:

图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来计算梯度的大小。

可用以下公式计算梯度方向。

在以上例子中，如果以上的角度Θ等于零，即代表图像该处拥有纵向边缘，左方较右方暗。

高斯模糊（https://en.wikipedia.org/wiki/Gaussian_blur），也叫高斯平滑，是在Adobe Photoshop、GIMP以及Paint.NET等图像处理软件中广泛使用的处理效果，通常用它来减少图像噪声以及降低细节层次。

 
   import 
    matplotlib.pyplot  
   as 
    plt  
  
 
   import 
    matplotlib.image  
   as 
    mpimg 
  
 
   import 
    cv2 
  
 
   import 
    numpy  
   as 
    np 
  

 
   image  
   = 
    cv2.imread( 
   "./imgs/9.jpg" 
   ) 
  

 
   gray  
   = 
    cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) 
  

 
   gray_blur  
   = 
    cv2.GaussianBlur(gray,( 
   9 
   , 
   9 
   ), 
   5 
   ) 
  

 
   f  
   = 
    np.fft.fft2(gray 
   / 
   225.0 
   ) 
  
 
   f_shift  
   = 
    np.fft.fftshift(f) 
  
 
   grayfft  
   = 
     
   10 
     
   * 
    np.log(np.abs(f_shift)) 
  

 
   core_sobelx  
   = 
    np.array([[ 
   - 
   1 
   , 
   0 
   , 
   1 
   ],[ 
   - 
   2 
   , 
   0 
   , 
   2 
   ],[ 
   - 
   1 
   , 
   0 
   , 
   1 
   ]]) 
  
 
   core_sobely  
   = 
    np.array([[ 
   - 
   1 
   , 
   0 
   , 
   1 
   ],[ 
   - 
   2 
   , 
   0 
   , 
   2 
   ],[ 
   - 
   1 
   , 
   0 
   , 
   1 
   ]]) 
  


 
   gray_blur_sobelx  
   = 
    cv2.filter2D(gray_blur, 
   2 
   ,core_sobelx) 
  
 
   gray_blur_sobely  
   = 
    cv2.filter2D(gray_blur, 
   2 
   ,core_sobely) 
  
 
   gray_blur  
   = 
    cv2.filter2D(gray, 
   2 
   ,core_sobelx) 
  

 
   f,(a0,a1,a2,a3,a4,a5)  
   = 
    plt.subplots( 
   1 
   , 
   6 
   , 
   figsize 
   = 
   ( 
   30 
   , 
   30 
   )) 
  

 
   a5.set_title( 
   "fft gray" 
   ) 
  
 
   a5.imshow(grayfft, 
   cmap 
   = 
   'gray' 
   ) 
  

 
   a0.set_title( 
   "oraginal gray" 
   ) 
  
 
   a0.imshow(gray, 
   cmap 
   = 
   'gray' 
   ) 
  

 
   a1.set_title( 
   "oraginal gray filter" 
   ) 
  
 
   a1.imshow(gray_blur, 
   cmap 
   = 
   'gray' 
   ) 
  

 
   a2.set_title( 
   "blur gray" 
   ) 
  
 
   a2.imshow(gray_blur, 
   cmap 
   = 
   'gray' 
   ) 
  

 
   a3.set_title( 
   "blur gray with sobel x" 
   ) 
  
 
   a3.imshow(gray_blur_sobelx, 
   cmap 
   = 
   'gray' 
   ) 
  

 
   a4.set_title( 
   "blur gray with sobel y" 
   ) 
  
 
   a4.imshow(gray_blur_sobely, 
   cmap 
   = 
   'gray' 
   ) 
  

 
   retval,binary_image  
   = 
    cv2.threshold(gray_blur_sobelx, 
   100 
   , 
   225 
   ,cv2.THRESH_BINARY) 
  

 
   plt.figure() 
  
 
   plt.imshow(binary_image, 
   cmap 
   = 
   'gray' 
   ) 
  
 
   plt.show() 
  

计算机视觉 （六） -- Edge Detection（sobel） & Gaussian Blur

猜你喜欢

计算机视觉（六） -- Edge Detection（sobel） & Gaussian Blur