OpenCV学习——自己动手实现 sobel
文章目录
前言
今天学习到了sobel,但是理解很模糊,所以就想自己编写实现。通过自己实现sobel算法,可以让我们更深刻的理解sobel的原理,以及轮廓提取是如何实现的。2
先导入图片
import cv2.cv2 as cv2
img = cv2.imread("resource/pie.png", cv2.IMREAD_GRAYSCALE)
cv2.imshow("img", img)
生成sobel算子
import numpy as np
def createKernel(ksize = 3):
sobelx = np.zeros((ksize,ksize))
sobelx[0][0], sobelx[0][ksize-1] = -1, 1
sobelx[ksize//2][0], sobelx[ksize//2][ksize - 1] = -2, 2
sobelx[ksize-1][0], sobelx[ksize-1][ksize - 1]= -1, 1
sobely = np.zeros((ksize,ksize))
sobely[0][0], sobely[0][ksize-1] = -1, -1
sobely[0][ksize//2], sobely[ksize - 1][ksize//2] = -2, 2
sobely[ksize-1][0], sobely[ksize-1][ksize - 1]= 1, 1
return sobelx, sobely我们输出看看
可以看到已经生成了! 我们在试试 5x5 的
好的,没有问题!我们继续。
我们开始吧
通俗易懂


公式
Gx(p5) = p3+2p6+p9-p1-2p4-p7
Gy(p5) = p7+2p8+p9-p1-2p2-p3
|G| = |Gx| + |Gy|
代码
def sobel_1(src, dx, dy, ksize = 5):
imgSize = src.shape
#返回结果
Weighted = np.ones(imgSize)
Weighted2 = np.ones(imgSize)
#dx = 1 则计算Gx dy = 1 则计算Gy
#如果都为0,则返回None
if dx == 0 and dy == 0:
return None
#用来计算每个核的6个点
step = ksize//2
#遍历像素点,这个就不说啦
for row, row_dat in enumerate(src, step):
if row >= imgSize[0] - step:
break
for col, col_dat in enumerate(row_dat, step):
if col >= imgSize[1] - step:
break
#计算Gx 为了减少计算量,我们只计算6个点
if dx == 1:
#根据上面的公式计算
sobelx = src[row - step][col - step] * -1 + src[row - step][col + step] + \
src[row][col - step] * -2 + src[row][col + step] * 2 + \
src[row + step][col - step] * -1 + src[row + step][col + step]
#保存当前像素点的值
Weighted[row][col] = sobelx
if dy == 1:
sobely = src[row - step][col - step] * -1 + src[row - step][col] * -2 + \
src[row - step][col + step] * -1 + src[row + step][col - step] + \
src[row + step][col] * 2 + src[row + step][col + step]
Weighted2[row][col] = sobely
# 同时计算时,返回的结果取绝对值~~~~
if dx == dy:
#我们对返回结果进行处理~~~~
sobelx = cv2.convertScaleAbs(Weighted)
sobely = cv2.convertScaleAbs(Weighted2)
return cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)
#下面的返回结果不需要处理
if dy == 1:
return Weighted2
return Weighted我们利用 ksize//2 快速的对需要计算的几个点进行取值计算

还是这个图,我们的点是P5 需要计算的点是P1 P3 P4 P6 P7 P9
P1.X = P5.X - ksize//2
P1.Y = P5.Y - ksize//2
P3.X = P5.X - ksize//2
P3.Y = P5.Y + ksize//2
其他点类似
这样做是为了减少计算量,不用对整个核进行计算,提高程序运行的效率
看效果
img_gx = sobel_1(img,1,0)
img_gy = sobel_1(img,0,1)
img_gxy = sobel_1(img,1,1)
img1 = cv2.convertScaleAbs(img_gx)
img2 = cv2.convertScaleAbs(img_gy)
#把图像进行融合 X1α + X2β + b(亮度)
img3 = cv2.addWeighted(img1, 0.5, img2, 0.5, 0)
#把图像拼接起来
res = np.hstack([img, img1, img2])
res2 = np.hstack([img3, img_gxy])
cv2.imshow("res",res)
cv2.imshow("res2",res2)

评论
登录后参与技术讨论,分享你的经验与见解。
登录 / 注册暂无评论