sobel

-1热度

1回答

所以我在CUDA中实现了（或者至少试过）Sobel滤波器，我的代码如下。当我执行这个文件时，我得到一个正确的Sobel过滤图像的一半，另一半是黑色的。我无法上传图片，因为它们的格式为.pgm。因此，代码所执行的操作是以.pgm格式的灰度图像读取的，并使用共享内存概念将Sobel滤镜遮罩与其进行卷积。我用一个1024×1024的图像作为输入，它返回一个Sobel滤波图像，其边缘有一半水平切割，因此它

0热度

1回答

在MATLAB中使用索贝尔掩模运算符找到梯度

我使用下面的代码来使用索贝尔掩模来掩盖图像。 for i=1:size(C,1)-2 for j=1:size(C,2)-2 %Sobel mask for x-direction: Gx=((2*C(i+2,j+1)+C(i+2,j)+C(i+2,j+2))-(2*C(i,j+1)+C(i,j)+C(i,j+2))); %Sobel mask for

1热度

1回答

Skimage filters.sobel_v结果没有意义。为什么？

在scikit-image's documentation它说，用于检测纵向线条的内核，就是： 1 0 -1 2 0 -2 1 0 -1 如果我做的： img = np.array([[1.0, 2.0, 3.0], [4, 5, 6], [7, 8, 9]]) Lx = filters.sobel_v(img) 和，然后打印Lx，我得到： Lx 0.0000 0.0000 0.0

1热度

1回答

过滤出微弱的sobel过滤器行吗？

我使用skimage到创作者与此类似索贝尔过滤器的图片我想知道有没有办法磨砺这个索贝尔滤波器的形象？要说，除去像气球后面微弱线条那样更微弱的白线？我使用Skimage来做到这一点，但我可以访问OpenCV等其他东西。我的代码专门为... from skimage.filters import sobel elevation_map = sobel(img) plt.imshow(elev

1热度

2回答

可视化python中的sobel梯度

我正试图在Python中实现sobel运算符并将其可视化。但是，我正在努力如何做到这一点。我有以下代码，它目前计算每个像素的渐变。 from PIL import Image import math def run(): try: image = Image.open("brick-wall-color.jpg") image = image.conv

1热度

1回答

使用filter2D（OpenCV）做Sobel算子时，平方会引入很多噪音

我试图手动实现sobel算子。出于某种原因，操作员的水平和垂直分量似乎有良好的结果，但组合图像有很多噪音。我注意到当我做了像（imgv ** 2）** 0.5之类的东西时，即使理想情况下也会引入大量噪音，但我应该再次获得大致相同的图像。有人知道这里发生了什么吗？我是否应该以不同的方式组合图像？这里是我的代码在Python： import cv2 import numpy as np

0热度

1回答

索贝尔梯度角分辨率

当将Sobel算子应用于X和Y方向的图像并根据得到的X/Y向量计算角度（atan2）时，我似乎以45度步进得到梯度方向。索贝尔是否只能以45度的步长产生8个方向，或者我应该得到精确的角度还是会出现舍入误差？我用索贝尔对合为Gx和使用分级Sobel算子在这里https://en.wikipedia.org/wiki/Sobel_operator

2热度

1回答

SciPy的Sobel边缘检测，提取外像素

试图以外提取的像素和它自己的区域内的边缘内，目前我正在申请的SciPy的Sobel滤波器是这样的： im = scipy.misc.imread(filename) im = im.astype('int32') dx = ndimage.sobel(im, axis=0) dy = ndimage.sobel(im, axis=1) mag = np.hypot(dx, dy) ma

0热度

2回答

opencv Sobel算子是否计算相关性？

opencv Sobel算子是否计算相关性，而不是卷积？我知道filter2D函数计算相关性，我只是发现了（从代码的结果为基础），其Sobel算子也计算的相关性。这是预期的吗？我在这里错过了什么？ Mat sobelx, dest1,dest2; Sobel(src, sobelx, src.depth(),1,0,3); imshow("Sobel filtered in x dir" ,

0热度

2回答

sobel操作员如何工作

我读了https://en.wikipedia.org/wiki/Sobel_operator 说，我们要检测灰度图像中的水平边缘。请注意 - 我写矩阵作为行的序列。问题1）然后我应该取[1,0，-1; 2,0，-2; 1,0，-1]（来自G x =以上维基链接的矩阵* A）并且将其与给定图像进行卷积。所以我会叠加[-1,0,1; -2,0,2; -1,0,1]（从矩阵的180度旋转获得）在