参考文献：

https://zh.wikipedia.org/wiki/索貝爾算子

代码：

# reference : https://zh.wikipedia.org/wiki/索貝爾算子
from skimage import filters,io
import numpy as np
import matplotlib.pyplot as plt
gx = np.array([[-1,0,1],[-2,0,2],[-1,0,1]])
gy = np.array([[1,2,1],[0,0,0],[-1,-2,-1]])
#
def sobel(img):height = img.shape[0]width = img.shape[1]tmp_img = img.copy()for i in range(1,height-1):for j in range(1, width-1):tmpx = np.sum(np.sum(gx * img[i-1:i+2,j-1:j+2]))tmpy = np.sum(np.sum(gy * img[i-1:i+2,j-1:j+2]))tmp_img[i,j] = np.sqrt(tmpx**2 + tmpy **2)return tmp_imgimg = io.imread("/Applications/Python/SuperpixelMethod/SLIC-master/6.jpg",as_gray=True)
sobel_img = filters.sobel(img)
sobel_img_my = sobel(img.copy())print("ok")
plt.subplot(131)
plt.imshow(img,cmap="gray")
plt.title("Input Image")plt.subplot(132)
plt.imshow(sobel_img)
plt.title("Using Sobel Lib from Skimage")plt.subplot(133)
plt.imshow(sobel_img_my)
plt.title("Using Sobel Lib from Mine")
plt.show()

运行效果：

不同API的加载方式，对边缘提取的效果的影响：

比较skimage.io， opencv.imread的提取效果：

代码：

# reference : https://zh.wikipedia.org/wiki/索貝爾算子
from skimage import filters,io
import numpy as np
import matplotlib.pyplot as plt
import scipy
import cv2 as cvgx = np.array([[-1,0,1],[-2,0,2],[-1,0,1]])
gy = np.array([[1,2,1],[0,0,0],[-1,-2,-1]])
# gx_7x7 = np.zeros(shape=(7,7))
# gx_7x7
#
def sobel(img):height = img.shape[0]width = img.shape[1]tmp_img = img.copy()for i in range(1,height-1):for j in range(1, width-1):tmpx = np.sum(np.sum(gx * img[i-1:i+2,j-1:j+2]))tmpy = np.sum(np.sum(gy * img[i-1:i+2,j-1:j+2]))tmp_img[i,j] = np.sqrt(tmpx**2 + tmpy **2)return tmp_imgimg = io.imread("/Applications/Python/SuperpixelMethod/21592360769_.pic_hd.jpg",as_gray=True)
img_cv = cv.imread("/Applications/Python/SuperpixelMethod/21592360769_.pic_hd.jpg",cv.IMREAD_GRAYSCALE)
sobel_img_cv = filters.sobel(img_cv)
sobel_img_my_cv = sobel(img_cv)sobel_img = filters.sobel(img)
sobel_img_my = sobel(img.copy())scipy.misc.imsave("/Applications/Python/SuperpixelMethod/21592360769_.pic_hd_sobel_my_cv.jpg",sobel_img_my_cv)
scipy.misc.imsave("/Applications/Python/SuperpixelMethod/21592360769_.pic_hd_sobel_my.jpg",sobel_img_my)
scipy.misc.imsave("/Applications/Python/SuperpixelMethod/21592360769_.pic_hd_sobel_skimage.jpg",sobel_img)
scipy.misc.imsave("/Applications/Python/SuperpixelMethod/21592360769_.pic_hd_sobel_skimage_cv.jpg",sobel_img_cv)print("ok")
plt.subplot(231)
plt.imshow(img,cmap="gray")
plt.title("Input Image")plt.subplot(232)
plt.imshow(sobel_img,cmap="gray")
plt.title("Using Sobel Lib from Skimage,Load skimage")plt.subplot(233)
plt.imshow(sobel_img_my)
plt.title("Using Sobel Lib from Mine,Load skimage")plt.subplot(234)
plt.imshow(img,cmap="gray")
plt.title("Input Image")plt.subplot(235)
plt.imshow(sobel_img_cv,cmap="gray")
plt.title("Using Sobel Lib from Skimage,Load cv")plt.subplot(236)
plt.imshow(sobel_img_my_cv)
plt.title("Using Sobel Lib from Mine,Load cv")plt.show()

运行效果：

红色箭头的所指的图像边缘提取效果比黄色箭头所指向的图像边缘提取效果好。

原因：

skimage 加载出来的图像灰度值分布：0~1;

cv 加载出来的图像灰度值分布为：0～255；

python实现Sobel边缘提取相关推荐

Python:实现sobel边缘检测算法(附完整源码)
Python:实现sobel边缘检测算法 # coding=gbk import cv2 img = cv2.imread("1.jpg", 0) x = cv2.Sobel(im ...
python:实现sobel filter索贝尔过滤器算法(附完整源码)
python:实现sobel filter索贝尔过滤器算法 import numpy as np from cv2 import COLOR_BGR2GRAY, cvtColor, imread, i ...
python+opencv：边缘提取-Sobel operator
在理想情况下,对图像应用边缘检测器的结果可能会导致一组连接曲线,表明物体的边界,表面标记的边界以及对应于表面方向不连续点的曲线. 因此,对图像应用边缘检测算法可以显著减少要处理的数据量,因此可以过滤掉 ...
python canny 保留指定区域的轮廓线_opencv python：Canny边缘提取
Canny是边缘提取算法,在1986年提出的是一个很好的边缘检测器 Canny算法介绍非最大信号抑制: 高低阈值连接: example import cv2 as cv import numpy ...
Python OpenCV -- Sobel 算子（九）
Sobel 算子 Sobel 算子 -- 是一种带有方向性的滤波器, 在Python 中的原型: dst = cv2.Sobel(src, ddepth, dx, dy[, dst[, ksize ...
细化 Sobel 边缘提取
bool SobelVerEdge(cv::Mat srcImage, cv::Mat& resultImage) {CV_Assert(srcImage.channels() == 1);s ...
python检测(sobel、scharr、laplacian梯度检测)
1.sobel 通过sobel算子来检测图像的梯度 cv2.Sobel()函数用来检测梯度 x方向是右-左来得到梯度 y方向是下-上最后对x方向和y方向上的结果求和得出最后的梯度检测不建议直接用 ...
python sobel滤波_Sobel滤波器
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. ...
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 ...

python实现Sobel边缘提取

参考文献：

代码：

运行效果：

不同API的加载方式，对边缘提取的效果的影响：

比较skimage.io， opencv.imread的提取效果：

代码：

python实现Sobel边缘提取相关推荐

最新文章

热门文章