大家好,又见面了,我是你们的朋友全栈君。
Python实现索伯尔算子
最近在学习Python,正好用sobel算子练练手,将就看看吧
先放原图
用Opencv中sobel算子做一下对比:
# OpenCV
ori_img = cv.imread("C:\\Users\\BLYX\\Desktop\\test\\temple1.jpg")
x = cv.Sobel(ori_img[:, :, 0], cv.CV_16S, 1, 0)
y = cv.Sobel(ori_img[:, :, 0], cv.CV_16S, 0, 1)
absX = cv.convertScaleAbs(x)
absY = cv.convertScaleAbs(y)
dst = cv.addWeighted(absX, 0.5, absY, 0.5, 0)
cv.imshow("OpenCV's Result", dst)
cv.waitKey(0)
cv.destroyAllWindows()
结果图如下
然后用自己写的sobel实现如下:
# self—design
def convertu8(num):
if num > 255 or num < -255:
return 255
elif -255 <= num <= 255:
if abs(num - int(num)) < 0.5:
return np.uint8(abs(num))
else:
return np.uint8(abs(num)) + 1
def sobel(img, k=0):
row = img.shape[0]
col = img.shape[1]
image = np.zeros((row, col), np.uint8)
s = time.time()
for i in range(1, row - 1):
for j in range(1, col - 1):
y = int(img[i - 1, j + 1, k]) - int(img[i - 1, j - 1, k]) + 2 * (
int(img[i, j + 1, k]) - int(img[i, j - 1, k])) + int(img[i + 1, j + 1, k]) - int(
img[i + 1, j - 1, k])
x = int(img[i + 1, j - 1, k]) - int(img[i - 1, j - 1, k]) + 2 * (
int(img[i + 1, j, k]) - int(img[i - 1, j, k])) + int(img[i + 1, j + 1, k]) - int(
img[i - 1, j + 1, k])
image[i, j] = convertu8(abs(x) * 0.5 + abs(y) * 0.5)
e = time.time()
print(e - s)
return image
if __name__ == '__main__':
ori_img = cv.imread("C:\\Users\\BLYX\\Desktop\\test\\temple1.jpg")
sobelimage = sobel(ori_img, 0)
cv.imshow("my Result", sobelimage)
cv.waitKey(0)
cv.destroyAllWindows()
结果图如下
然后用ENVI比对了一下:
***blablablabla
可以看到三幅图相对比,第二幅图的视觉效果更好,当然不同的图片可能会对最终的结果产生影响。但经多组图片测试,可以得到在对水平锐化和垂直锐化图像赋予相同的权重叠合时,第二幅结果图在视觉上稍微优于OpenCV中的sobel,而在处理效率上却要低上很多。希望未来能够改进一下。
写得不好,还望大家指正!
发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/158981.html原文链接:https://javaforall.cn
【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛
【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...