sobel邊緣檢測即實現對圖像邊緣的提取,輸入爲一幅圖像,輸出爲圖像輪廓。
sobel算法步驟:
(1)將輸入圖像轉爲灰度圖;
(2)對灰度圖進行二值化處理(此過程採用otsu二值化算法,具體otsu算法參看上一篇博客);
(3)定義sobel豎直和水平卷積算子;
(4)遍歷圖像像素點,除邊緣像素點外,每個像素點的領域像素點(共計九個像素點)分別與sobel算子(豎直和水平卷積算子)值相乘累加;
(5)將豎直和水平sobel算子乘積值絕對值之後相加,賦於新的與原圖像相等大小的矩陣中。
import cv2 as cv
import math
import numpy as np
def rgb2gray(img):
h=img.shape[0]
w=img.shape[1]
img1=np.zeros((h,w),np.uint8)
for i in range(h):
for j in range(w):
img1[i,j]=0.144*img[i,j,0]+0.587*img[i,j,1]+0.299*img[i,j,1]
return img1
def otsu(img):
h=img.shape[0]
w=img.shape[1]
m=h*w # 圖像像素點總和
otsuimg=np.zeros((h,w),np.uint8)
threshold_max=threshold=0 # 定義閾值
histogram=np.zeros(256,np.int32) # 初始化各灰度級個數統計參數
probability=np.zeros(256,np.float32) # 初始化各灰度級佔圖像中的分佈的統計參數
for i in range (h):
for j in range (w):
s=img[i,j]
histogram[s]+=1 # 統計灰度級中每個像素在整幅圖像中的個數
for k in range (256):
probability[k]=histogram[k]/m # 統計每個灰度級佔圖像中的分佈
for i in range (255):
w0 = w1 = 0 # 定義前景像素點和背景像素點灰度級佔圖像中的分佈
fgs = bgs = 0 # 定義前景像素點灰度級總和and背景像素點灰度級總和
for j in range (256):
if j<=i: # 當前i爲分割閾值
w0+=probability[j] # 前景像素點佔整幅圖像的比例累加
fgs+=j*probability[j]
else:
w1+=probability[j] # 背景像素點佔整幅圖像的比例累加
bgs+=j*probability[j]
u0=fgs/w0 # 前景像素點的平均灰度
u1=bgs/w1 # 背景像素點的平均灰度
g=w0*w1*(u0-u1)**2 # 類間方差
if g>=threshold_max:
threshold_max=g
threshold=i
print(threshold)
for i in range (h):
for j in range (w):
if img[i,j]>threshold:
otsuimg[i,j]=255
else:
otsuimg[i,j]=0
return otsuimg
def sobel(img):
h=img.shape[0]
w=img.shape[1]
sobelimg=np.zeros((h,w),np.uint8)
sobelx=[[-1,0,1],
[-2,0,2],
[-1,0,1]]
sobely=[[1,2,1],
[0,0,0],
[-1,-2,-1]]
sobelx=np.array(sobelx)
sobely=np.array(sobely)
gx=0 # 垂直方向上的梯度模長
gy=0 # 水平方向上的梯度模長
for i in range(1,h-1):
for j in range(1,w-1):
edgex=0
edgey=0
for k in range(-1,2):
for l in range(-1,2):
edgex+=img[k+i,l+j]*sobelx[1+k,1+l]
edgey+=img[k+i,l+j]*sobely[1+k,1+l]
gx=abs(edgex)
gy=abs(edgey)
gramag=gx+gy
sobelimg[i,j]=gramag
return sobelimg
image=cv.imread("D:/sobel.png")
grayimage=rgb2gray(image)
otsuimage=otsu(grayimage)
sobelimage=sobel(otsuimage)
cv.imshow("image",image)
cv.imshow("sobelimage",sobelimage)
cv.waitKey(0)
cv.destroyAllWindows()
實驗結果:
通過實驗結果可以看出效果並不好,說明關於源碼編寫仍有不少瑕疵,希望各位可以分享更爲高效的代碼,謝謝。