说明
1、根据像素点的灰度加权差,Sobel算子在边缘达到极值的现象,检测边缘。
它具有平滑的噪声功能,并提供更准确的边缘方向信息。Sobel算子是一种常用的边缘检测方法,因为Sobel算子结合了高斯平滑度和微分求导(分化),因此结果更具抗噪性。
2、Sobel算子仍然是过滤器,但它有方向。
dst=cv2.Sobel(src,ddepth,dx,dy[,dst[,ksize[,scale[,delta[,borderType]]]]])
实例
#coding=utf-8 importcv2 importnumpyasnp img=cv2.imread("D:/test/26.png",0) ''' cv2用于Sobel函数的第二个参数.CV_16S。 因为OpenCV文档对Sobel算子的介绍中有这样一句话: inthecaseof8-bitinputimagesitwillresultintruncatedderivatives”。 也就是说,Sobel函数求完导数后会有负值,并且会大于255。 原图像是uint8,即8位无符号,因此Sobel建立的图像位数不够,会有截断。 因此,使用16位符号数据类型,即cv2.CV_16S。 处理后,别忘了用convertScaleAbs()函数将其转回原来的uint8形式。 否则,图像将无法显示,而只是一个灰色的窗口。convertScaleAbs()原型如下: dst=cv2.convertScaleAbs(src[,dst[,alpha[,beta]]]) 可选参数alpha是伸缩系数,beta是添加到结果中的值。结果返回uint8类型的图片。 由于Sobel算子是在两个方向计算的,因此最终需要使用cv2.addWeighted(...)函数组合在一起。 函数原型如下: dst=cv2.addWeighted(src1,alpha,src2,beta,gamma[,dst[,dtype]]) alpha是第一张图片中元素的权重,beta是第二个权重,gamma是添加到最终结果的值。 ''' x=cv2.Sobel(img,cv2.CV_16S,1,0) y=cv2.Sobel(img,cv2.CV_16S,0,1) absX=cv2.convertScaleAbs(x)#转回uint8 absY=cv2.convertScaleAbs(y) dst=cv2.addWeighted(absX,0.5,absY,0.5,0) cv2.imshow("orign",img) cv2.imshow("absX",absX) cv2.imshow("absY",absY) cv2.imshow("Result",dst) cv2.waitKey(0) cv2.destroyAllWindows()
以上是Python中Sobel算子的使用,希望对大家有所帮助。更多Python学习指导:python基础教程
本文教程操作环境:windows7系统Python 3.9.1,DELL G3电脑。