logo标签列表

OpenCV的Sobel滤波器在大于3 x 3的大小下的核系数是什么？

pythonc++opencvimage-processingsobel
9

我正在使用OpenCV的5x5和7x7 Sobel滤镜来计算图像导数。

请问有人能告诉我在OpenCV中5x5和7x7 Sobel滤波器的核值是多少吗？当我在谷歌上搜索时，它给出了很多不同的核值。

以下是一些5 x 5的示例：

1. 可分离的

2   1   0   -1  -2
4   8   0   -4  -8
6  12   0   -12 -6
4   8   0   -4  -8
2   1   0   -1  -2

2 . The non-separable

2   1   0   -1  -2
4  10   0   -4  -10
7  17   0   -17 -7
4  10   0   -4  -10
2   1   0   -1  -2

3. 奇异的不可分离性

2   1   0   -1  -2
3   2   0   -2  -3
4   3   0   -3  -4
3   2   0   -2  -3
2   1   0   -1  -2
请查看：https://dev59.com/hWkw5IYBdhLWcg3w6Oty - Lilith Daemon
2个回答
16

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() {

    // For the kernels
    Mat sobelX, sobelY;

    // 5 x 5 - x direction
    getDerivKernels(sobelX, sobelY, 1, 0, 5, false, CV_32F);
    cout << "sobel5x = " << endl << " " << sobelX*sobelY.t() << endl << endl;

    // 5 x 5 - y direction
    getDerivKernels(sobelX, sobelY, 0, 1, 5, false, CV_32F);
    cout << "sobel5y = " << endl << " " << sobelX*sobelY.t() << endl << endl;

    // 7 x 7 - x direction
    getDerivKernels(sobelX, sobelY, 1, 0, 7, false, CV_32F);
    cout << "sobel7x = " << endl << " " << sobelX*sobelY.t() << endl << endl;

    // 7 x 7 - y direction
    getDerivKernels(sobelX, sobelY, 0, 1, 7, false, CV_32F);
    cout << "sobel7y = " << endl << " " << sobelX*sobelY.t() << endl << endl;

    return 0;
}

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。

2
对于x-导数，np.outer(sobel5x[0], sobel5x[1])不应该是np.outer(sobel5x[1], sobel5x[0])吗？（虽然它们只是彼此的转置） - zhangxaochen
1
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接