返回顶部
首页 > 资讯 > 后端开发 > Python >Python边缘检测之prewitt,sobel和laplace算子详解
  • 877
分享到

Python边缘检测之prewitt,sobel和laplace算子详解

Python 官方文档:入门教程 => 点击学习

摘要

目录滤波算子简介具体实现测试滤波算子简介 ndimage中提供了卷积算法,并且建立在卷积之上,提供了三种边缘检测的滤波方案:prewitt, sobel以及laplace。 在con

滤波算子简介

ndimage中提供了卷积算法,并且建立在卷积之上,提供了三种边缘检测的滤波方案:prewitt, sobel以及laplace。

在convolve中列举了一个用于边缘检测的滤波算子,统一维度后,其x xx和y yy向的梯度算子分别写为

此即prewitt算子。

Sobel算子为Prewitt增添了中心值的权重,记为

这两种边缘检测算子,均适用于某一个方向,ndimage还提供了lapace算子,其本质是二阶微分算子,其3×3卷积模板可表示为

具体实现

ndimage封装的这三种卷积滤波算法,定义如下

prewitt(input, axis=-1, output=None, mode='reflect', cval=0.0)
sobel(input, axis=-1, output=None, mode='reflect', cval=0.0)
laplace(input, output=None, mode='reflect', cval=0.0)

其中,mode表示卷积过程中对边缘效应的弥补方案,设待滤波数组a b c d,则在不同的模式下,对边缘进行如下填充

左侧填充数据右侧填充
reflectd c b aa b c dd c b a
constantk k k ka b c dk k k k
nearesta a a aa b c dd d d d
mirrord c ba b c dc b a
wrapa b c da b c da b c d

测试

接下来测试一下

from scipy.ndimage import prewitt, sobel, laplace
from scipy.misc import ascent
import matplotlib.pyplot as plt
img = ascent()

dct = {
    "origin" : lambda img:img,
    "prewitt" : prewitt,
    "sobel" : sobel,
    "laplace" : lambda img : abs(laplace(img))
}

fig = plt.figure()
for i,key in enumerate(dct):
    ax = fig.add_subplot(2,2,i+1)
    ax.imshow(dct[key](img), cmap=plt.cm.gray)
    plt.ylabel(key)

plt.show()

为了看上去更加简洁,代码中将原图、prewitt滤波、sobel滤波以及laplace滤波封装在了一个字典中。其中origin表示原始图像,对应的函数是一个lambda表达式。

在绘图时,通过将cmap映射到plt.cm.gray,使得绘图之后表现为灰度图像。

效果如下

到此这篇关于python边缘检测之prewitt,sobel和laplace算子详解的文章就介绍到这了,更多相关Python边缘检测内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网!

--结束END--

本文标题: Python边缘检测之prewitt,sobel和laplace算子详解

本文链接: https://lsjlt.com/news/210712.html(转载时请注明来源链接)

有问题或投稿请发送至: 邮箱/279061341@qq.com    QQ/279061341

猜你喜欢
软考高级职称资格查询
编程网,编程工程师的家园,是目前国内优秀的开源技术社区之一,形成了由开源软件库、代码分享、资讯、协作翻译、讨论区和博客等几大频道内容,为IT开发者提供了一个发现、使用、并交流开源技术的平台。
  • 官方手机版

  • 微信公众号

  • 商务合作