【图像处理】sobel边缘检测的实现

Sobel算子是图像边缘检测中最重要的算子之一,该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作2D卷积，即可分别得出横向及纵向的亮度差分近似值。Gx,Gy的值如下所示： 将图像I分别和 G x , G y G_x,G_y Gx​,Gy​作2D卷积，得到 G x ′ , G y ′ G_x',G_y' Gx′​,Gy′​ 图像的每一个像素的横向及纵向梯度近似值可用以下两个公式结合，来计算梯度的大小。 G = ∣ G x ′ ∣ + ∣ G y ′ ∣ G=|G_x'|+|G_y'| G=∣Gx′​∣+∣Gy′​∣ G = G x ′ 2 + G y ′ 2 G=\sqrt{G_x'^2+G_y'^2} G=Gx′2​+Gy′2​ ​ 计算得到G之后,我们只需要设定一个阈值 G m a x G_{max} Gmax​（比如说：100，一般来讲0-255左右为宜），若梯度G大于阈值 G m a x G_{max} Gmax​，则可认为该点是一个边界点。 代码如下:

import torch
from PIL import Image
import numpy as np

#彩色转灰度图:I(x,y) = 0.3 * I_R(x,y) +0.59 * I_G(x,y)+ 0.11 * I_B(x,y),PIL默认读入图片的颜色顺序为RGB
def color2gray(img):
    return 0.3*img[:,:,0]+0.59*img[:,:,1]+0.11*img[:,:,2]

def sobel(img,mode,Gmax):
    h,w=img.shape
    sobel_img=np.zeros((h,w))
    Gx=np.array([[-1,0,1],[-2,0,2],[-1,0,1]])
    Gy=np.array([[1,2,1],[0,0,0],[-1,-2,-1]])
    for i in range(h):
        for j in range(w):
            tmp1=0
            tmp2=0
            for kx in range(3):
                for ky in range(3):
                    if i+kx-1>=0 and i+kx-1=0 and j+ky-1Gmax:
                    sobel_img[i][j]=255
                else:
                    sobel_img[i][j]=0
            else:
                if np.sqrt(tmp1**2+tmp2**2)>Gmax:
                    sobel_img[i][j]=255
                else:
                    sobel_img[i][j]=0
    return sobel_img

#读取图片
img_PIL = Image.open("test.jpg")
#显示原图
img_PIL.show()
#
img_PIL = np.array(img_PIL)
gray_img=color2gray(img_PIL)
#显示灰度图
image=Image.fromarray(np.uint8(gray_img))
image.show()
#显示sobel检测后的二值化图像
sobel_img=sobel(gray_img,1,127)
image=Image.fromarray(np.uint8(sobel_img))
image.show()

结果展示: 当对精度的要求较高时可以使用 S c h a r r 滤 波 器 Scharr滤波器 Scharr滤波器，Scharr滤波器水平方向与竖直方向的核为： 边缘检测的效果如下： 不知为何,效果反而变差了.

改进

去掉了 G m a x G_{max} Gmax​这个阈值的判断，将范围压缩至[0,255]后直接显示灰度图像，效果明显好了很多： 改进后的代码如下所示:

import torch
from PIL import Image
import numpy as np

#彩色转灰度图:I(x,y) = 0.3 * I_R(x,y) +0.59 * I_G(x,y)+ 0.11 * I_B(x,y),PIL默认读入图片的颜色顺序为RGB
def color2gray(img):
    return 0.3*img[:,:,0]+0.59*img[:,:,1]+0.11*img[:,:,2]

def sobel(img,mode,Gmax):
    h,w=img.shape
    sobel_img=np.zeros((h,w))
    Gx=np.array([[-3,0,3],[-10,0,10],[-3,0,3]])
    Gy=np.array([[-3,-10,-3],[0,0,0],[3,10,3]])
    for i in range(h):
        for j in range(w):
            tmp1=0
            tmp2=0
            for kx in range(3):
                for ky in range(3):
                    if i+kx-1>=0 and i+kx-1=0 and j+ky-1Gmax,white,back)
    return sobel_img

#读取图片
img_PIL = Image.open("test.jpg")
#显示原图
img_PIL.show()
#
img_PIL = np.array(img_PIL)
gray_img=color2gray(img_PIL)
#显示灰度图
image=Image.fromarray(np.uint8(gray_img))
image.show()
#显示sobel检测后的灰度图像
sobel_img=sobel(gray_img,1,60)
image=Image.fromarray(np.uint8(sobel_img))
image.show()