如果你真的想知道OpenCV使用的Sobel滤波器的内核系数,可以使用getDerivKernels
。你需要做的是指定你想要的方向和掩膜的大小。因此,每个内核大小有两个方向,所以我们需要调用四次。
但是,返回的是表示Sobel滤波器的水平方向x
和垂直方向y
的一维内核,您可以使用它们通过sepFilter2D
进行可分离的二维过滤。如果您实际上想查看内核本身,只需取从getDerivKernels
返回的x
和y
内核之间的外积即可。
这里是使用Python的OpenCV接口快速显示 5 x 5 x
、y
和7 x 7 x
、y
内核的示例:
In [1]: import numpy as np
In [2]: import cv2
In [3]: sobel5x = cv2.getDerivKernels(1, 0, 5)
In [4]: np.outer(sobel5x[0], sobel5x[1])
Out[4]:
array([[ -1., -4., -6., -4., -1.],
[ -2., -8., -12., -8., -2.],
[ 0., 0., 0., 0., 0.],
[ 2., 8., 12., 8., 2.],
[ 1., 4., 6., 4., 1.]], dtype=float32)
In [5]: sobel5y = cv2.getDerivKernels(0, 1, 5)
In [6]: np.outer(sobel5y[0], sobel5y[1])
Out[6]:
array([[ -1., -2., 0., 2., 1.],
[ -4., -8., 0., 8., 4.],
[ -6., -12., 0., 12., 6.],
[ -4., -8., 0., 8., 4.],
[ -1., -2., 0., 2., 1.]], dtype=float32)
In [7]: sobel7x = cv2.getDerivKernels(1, 0, 7)
In [8]: np.outer(sobel7x[0], sobel7x[1])
Out[8]:
array([[ -1., -6., -15., -20., -15., -6., -1.],
[ -4., -24., -60., -80., -60., -24., -4.],
[ -5., -30., -75., -100., -75., -30., -5.],
[ 0., 0., 0., 0., 0., 0., 0.],
[ 5., 30., 75., 100., 75., 30., 5.],
[ 4., 24., 60., 80., 60., 24., 4.],
[ 1., 6., 15., 20., 15., 6., 1.]], dtype=float32)
In [9]: sobel7y = cv2.getDerivKernels(0, 1, 7)
In [10]: np.outer(sobel7y[0], sobel7y[1])
Out[10]:
array([[ -1., -4., -5., 0., 5., 4., 1.],
[ -6., -24., -30., 0., 30., 24., 6.],
[ -15., -60., -75., 0., 75., 60., 15.],
[ -20., -80., -100., 0., 100., 80., 20.],
[ -15., -60., -75., 0., 75., 60., 15.],
[ -6., -24., -30., 0., 30., 24., 6.],
[ -1., -4., -5., 0., 5., 4., 1.]], dtype=float32)
请注意,这些卷积核
没有被规范化。如果您想将它们用于过滤,应该对卷积核进行规范化。在
getDerivKernels
中有一个标志可以让您对掩模进行归一化。
此外,请注意,给定大小的一个掩码是另一个掩码的转置,如果您想检测特定方向的边缘,则这是有意义的。
为了完整起见,这是上述Python代码的C++版本。要编译代码,请将其放入文件中...将其命名为
test.cpp
,然后在终端中执行以下操作:
g++ -Wall -g -o test test.cpp `pkg-config --cflags --libs opencv`
编译完成后,使用./test
运行程序。
#include <cv.h>
using namespace std;
using namespace cv;
int main()
请注意,x
和 y
的卷积核都是列向量,因此您需要转置 y
向量使其成为行向量以计算外积。