说明
1、Roberts算子又称罗伯茨算子,是最简单的算子,是利用局部差分算子寻找边缘的算子。
用相邻两象素在对角线方向的差异来检测相似梯度幅值的边缘。垂直边缘的检测效果优于斜边缘,定位精度高,噪音敏感。
2、通过OpenCV中的filter2D()函数实现。
该函数的主要功能是通过卷积核实图像的卷积运算:
deffilter2D(src,ddepth,kernel,dst=None,anchor=None,delta=None,borderType=None)
deffilter2D(src,ddepth,kernel,dst=None,anchor=None,delta=None,borderType=None)
deffilter2D(src,ddepth,kernel,dst=None,anchor=None,delta=None,borderType=None)
实例
importmatplotlib.pyplotasplt
img=cv.imread('data.jpg',cv.COLOR_BGR2GRAY)
rgb_img=cv.cvtColor(img,cv.COLOR_BGR2RGB)
grayImage=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
kernelx=np.array([[-1,0],[0,1]],dtype=int)
kernely=np.array([[0,-1],[1,0]],dtype=int)
x=cv.filter2D(grayImage,cv.CV_16S,kernelx)
y=cv.filter2D(grayImage,cv.CV_16S,kernely)
absX=cv.convertScaleAbs(x)
absY=cv.convertScaleAbs(y)
Roberts=cv.addWeighted(absX,0.5,absY,0.5,0)
titles=['原始图像','Roberts算子']
plt.subplot(1,2,i+1),plt.imshow(images[i],'gray')
plt.xticks([]),plt.yticks([])
importcv2ascv
importmatplotlib.pyplotasplt
#读取图像
img=cv.imread('data.jpg',cv.COLOR_BGR2GRAY)
rgb_img=cv.cvtColor(img,cv.COLOR_BGR2RGB)
#灰度化处理图像
grayImage=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
#Roberts算子
kernelx=np.array([[-1,0],[0,1]],dtype=int)
kernely=np.array([[0,-1],[1,0]],dtype=int)
x=cv.filter2D(grayImage,cv.CV_16S,kernelx)
y=cv.filter2D(grayImage,cv.CV_16S,kernely)
#转uint8,图像融合
absX=cv.convertScaleAbs(x)
absY=cv.convertScaleAbs(y)
Roberts=cv.addWeighted(absX,0.5,absY,0.5,0)
#显示图形
titles=['原始图像','Roberts算子']
images=[rgb_img,Roberts]
foriinrange(2):
plt.subplot(1,2,i+1),plt.imshow(images[i],'gray')
plt.title(titles[i])
plt.xticks([]),plt.yticks([])
plt.show()
importcv2ascv
importmatplotlib.pyplotasplt
#读取图像
img=cv.imread('data.jpg',cv.COLOR_BGR2GRAY)
rgb_img=cv.cvtColor(img,cv.COLOR_BGR2RGB)
#灰度化处理图像
grayImage=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
#Roberts算子
kernelx=np.array([[-1,0],[0,1]],dtype=int)
kernely=np.array([[0,-1],[1,0]],dtype=int)
x=cv.filter2D(grayImage,cv.CV_16S,kernelx)
y=cv.filter2D(grayImage,cv.CV_16S,kernely)
#转uint8,图像融合
absX=cv.convertScaleAbs(x)
absY=cv.convertScaleAbs(y)
Roberts=cv.addWeighted(absX,0.5,absY,0.5,0)
#显示图形
titles=['原始图像','Roberts算子']
images=[rgb_img,Roberts]
foriinrange(2):
plt.subplot(1,2,i+1),plt.imshow(images[i],'gray')
plt.title(titles[i])
plt.xticks([]),plt.yticks([])
plt.show()
以上就是python中Roberts算子的介绍,希望对大家有所帮助。
本文教程操作环境:windows7系统、Python 3.9.1,DELL G3电脑。