Prewitt濾波器
Author: Tian YJ
Prewitt是一種常用的檢測圖像邊緣的濾波器,它分爲橫向和縱向算子,分別用於檢測縱向和橫向的邊緣(注意:橫向形式的濾波器檢測圖像的縱向邊緣,縱向形式的濾波器檢測圖像的橫向邊緣)。
縱向:
橫向:
注意比較記憶 Prewitt 濾波器和 Sobel 濾波器,它們在形式和功能上十分相近,Sobel濾波器的算子如下兩圖:
縱向:
橫向:
代碼實現
import cv2 # 我只用它來做圖像讀寫和繪圖,沒調用它的其它函數哦
import numpy as np # 進行數值計算
# padding 函數
def padding(img, K_size=3):
# img 爲需要處理圖像
# K_size 爲濾波器也就是卷積核的尺寸,這裏我默認設爲3*3,基本上都是奇數
# 獲取圖片尺寸
H, W, C = img.shape
pad = K_size // 2 # 需要在圖像邊緣填充的0行列數,
# 之所以我要這樣設置,是爲了處理圖像邊緣時,濾波器中心與邊緣對齊
# 先填充行
rows = np.zeros((pad, W, C), dtype=np.uint8)
# 再填充列
cols = np.zeros((H+2*pad, pad, C), dtype=np.uint8)
# 進行拼接
img = np.vstack((rows, img, rows)) # 上下拼接
img = np.hstack((cols, img, cols)) # 左右拼接
return img
# Prewitt 濾波函數
def prewitt(img, K_size=3):
# 獲取圖像尺寸
H, W, C = img.shape
# 進行padding
pad = K_size // 2
out = padding(img, K_size=3)
# 縱向濾波器係數
K_v = np.array([[-1., -1., -1.],[0., 0., 0.], [1., 1., 1.]])
# 橫向濾波器係數
K_h = np.array([[-1., 0., 1.],[-1., 0., 1.],[-1., 0., 1.]])
# 進行濾波
tem = out.copy()
out_v = out.copy()
out_h = out.copy()
for h in range(H):
for w in range(W):
for c in range(C):
out_v[pad+h, pad+w, c] = np.sum(K_v * tem[h:h+K_size, w:w+K_size, c], dtype=np.float)
out_h[pad+h, pad+w, c] = np.sum(K_h * tem[h:h+K_size, w:w+K_size, c], dtype=np.float)
out_v = np.clip(out_v, 0, 255)
out_h = np.clip(out_h, 0, 255)
out_v = out_v[pad:pad+H, pad:pad+W].astype(np.uint8)
out_h = out_h[pad:pad+H, pad:pad+W].astype(np.uint8)
return out_v, out_h
# 這裏需要把圖像先灰度化
# 直接用之前的灰度化代碼
# 灰度化函數
def BGR2GRAY(img):
# 獲取圖片尺寸
H, W, C = img.shape
# 灰度化
out = np.ones((H,W,3))
for i in range(H):
for j in range(W):
out[i,j,:] = 0.299*img[i,j,0] + 0.578*img[i,j,1] + 0.114*img[i,j,2]
out = out.astype(np.uint8)
return out
# 讀取圖片
path = 'C:/Users/86187/Desktop/image/'
file_in = path + 'cake.jpg'
file_out_1 = path + 'cake_prewitt_filter_v.jpg'
file_out_2 = path + 'cake_prewitt_filter_h.jpg'
img = cv2.imread(file_in)
# 調用函數進行灰度化
img = BGR2GRAY(img)
# 調用函數進行sobel濾波
out = prewitt(img)
# 保存圖片
# 縱向
cv2.imwrite(file_out_1, out[0])
cv2.imshow("result", out[0])
# 橫向
cv2.imwrite(file_out_2, out[1])
cv2.imshow("result", out[1])
cv2.waitKey(0)
cv2.destroyAllWindows()
結果展示
Prewitt濾波器和Sobel濾波器比較
原圖 | 縱向prewitt | 橫向prewitt |
---|---|---|
原圖 | 縱向sobel | 橫向sobel |
從實驗結果,我們可以觀察到,對比使用 Sobel算子 和 Prewitt算子 進行圖像邊緣檢測 ,Sobel濾波器能夠獲得更加清晰明亮的邊緣。