CVとしてインポートCV2
のNPとしてインポートnumpyの
PLTのインポートなどmatplotlib.pyplot
輸入数学
IMG = cv.imread（R'C：\ Users \ユーザー51102 \デスクトップ\伝統\ 1.JPG」、0）
IMG = cv.cvtColor（IMG、 cv.COLOR_BGR2RGB）
IMG = np.dot（IMG [...、：3]、[0.299、0.587、0.114]）
plt.subplot（331）
plt.imshow（IMG、CMAP = 'グレー'）
plt.title（ 'original_img'）
プリント（ 'original.shape ='、img.shape）
＃构建梯度
gradient_x = np.array（[ - 1,0,1]、[ - 2,0,2]、[ - 1,0 、1]]）
gradient_y = np.array（[ - 1、-2、-1]、[0,0,0]、[1,2,1]]）
plt.subplot（332）
DX = CV。 filter2D（IMG、ddepth = -1、カーネル= gradient_x）
プリント（ 'dx.shape ='、dx.shape）
plt.imshow（DX、CMAP = 'グレー'）
plt.title（ 'DX'）
PLT。サブプロット（333）
cv.filter2D =のDy（IMG、-1、gradient_x）
印刷（ 'dy.shape ='、dy.shape）
plt.imshow（Dyを、CMapの= 'グレー'）
plt.title（ 'のDy'）
＃ディレク
PLT .subplot（334）
大きさ=（np.multiply（のDy、Dyを）+ np.multiply（DX、DX））
plt.imshow（大きさ、CMapの= 'グレー'）
plt.title（ 'マグニチュード'）
CITA = CV。相（DY、DX、angleInDegrees = TRUE）＃ 角度見つける
＃生成ガウシアンフィルタ
"" "
（2K + 1）×（2K生成するガウスフィルタを + 1）を次のように、フィルタの個々の要素が計算される：
H [I、J] =（1 /（2 * PI *シグマ** 2））** 2（（IK-1）** 2 +（JK-1）* EXP（-1 / 2 *シグマ** 2 ））
"" "
シグマ1 = Sigma2 = 0.6
gau_sum = 0
ガウスnp.zeros =（[5 ,. 5]）
の範囲でI（5）：
範囲でJ（5）：
ガウス[I、J] = Math.expの （（ - 1 /（2 * sigma1 * sigma2））*（np.square（I-2-1）+ np.square（J-2-1）））/（ Math.PIシグマ1 * * * 2 Sigma2）
gau_sum = gau_sumガウス+ [I、J]
ガウシアン=ガウス/ gau_sum＃正規
印刷（ '= GUSS'、gaussian.shape）
Wであり、H =オリジナルimg.shape位グレースケール画像のサイズ
_、G = gaussian.shape
new_gray np.zeros =（W IS-5 ,. 5-H]）
new_magnitude np.zeros =（W IS-5 ,. 5-H]）
Iための範囲（Wれます-5）
。範囲内のJ（5-H）のために：
「」 '
の重みは、自分の試行方法をフィルタリング再構成する角度に応じて
Iは勾配方向の大きな勾配の振幅を小さく抑えることができ、他の方向強化
'' '
GUSS =ガウス
G_ = INT（（1-G）/ 2）
0 <CITA [I、J] <90または180 [<CITA [I、J] <270又は-180 <CITA [I IF 、J] < - 90又は-360 <CITA [I、J] < - 270：
：範囲（G_）におけるkの
KKのための範囲内（G_）：
GUSS [G_ + 1 + K、G_ + 1 + KK] =ガウス[G_ + 1つの+ K、G_ + 1 + KK] / 4
GUSS [G_ -1 - K、G_ - 1 - KK] =ガウス[G_ - 1 - K、G_ - 1 - KK] / 4
であれば90 <CITA [I、J] <180又は270 <CITA [I、J] <360または-90 <CITA [I、J] <0または-180 <CITA [I、J] <-270：
（G_）の範囲内のkに関する：
範囲内KK（G_）用：
GUSS [G_ + 1 + K、 G_ - 1 - KK] =ガウス[G_ + 1 + kの、G_ - 1 - KK] / 4
GUSS [G_ - 1 - K、G_ + 1 + KK] =ガウス[G_ - 1 - K、G_ + 1 + KK] / 4
new_gray [I、J] = np.sum（IMG [I：I + 5、J：J + 5] * GUSS）
new_magnitude [I、J] = np.sum（大き[I：I + 5、J：J + 5] * GUSS）
plt.subplot（335）
plt.imshow（new_gray、CMAP = 'グレー'）
plt.title（ '）new_gray'
plt.subplot（336）
plt.imshow（new_magnitude、CMAP = 'グレー'）
plt.title（ 'new_magnitude'）
plt.show（）
