计算机视觉 （六） -- Edge Detection（sobel） & Gaussian Blur

Sobel算子是像素图像边缘检测中最重要的算子之一，在机器学习、数字媒体、计算机视觉等信息科技领域起着举足轻重的作用。在技术上，它是一个离散的一阶差分算子，用来计算图像亮度函数的一阶梯度之近似值。在图像的任何一点使用此算子，将会产生该点对应的梯度矢量或是其法矢量。^[1]

该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像，其公式如下:

图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来计算梯度的大小。

可用以下公式计算梯度方向。

在以上例子中，如果以上的角度Θ等于零，即代表图像该处拥有纵向边缘，左方较右方暗。

高斯模糊（https://en.wikipedia.org/wiki/Gaussian_blur），也叫高斯平滑，是在Adobe Photoshop、GIMP以及Paint.NET等图像处理软件中广泛使用的处理效果，通常用它来减少图像噪声以及降低细节层次。

import matplotlib.pyplot as plt

import matplotlib.image as mpimg

import cv2

import numpy as np

image = cv2.imread("./imgs/9.jpg")

gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)

gray_blur = cv2.GaussianBlur(gray,(9,9),5)

f = np.fft.fft2(gray/225.0)

f_shift = np.fft.fftshift(f)

grayfft = 10 * np.log(np.abs(f_shift))

core_sobelx = np.array([[-1,0,1],[-2,0,2],[-1,0,1]])

core_sobely = np.array([[-1,0,1],[-2,0,2],[-1,0,1]])

gray_blur_sobelx = cv2.filter2D(gray_blur,2,core_sobelx)

gray_blur_sobely = cv2.filter2D(gray_blur,2,core_sobely)

gray_blur = cv2.filter2D(gray,2,core_sobelx)

f,(a0,a1,a2,a3,a4,a5) = plt.subplots(1,6,figsize=(30,30))

a5.set_title("fft gray")

a5.imshow(grayfft,cmap='gray')

a0.set_title("oraginal gray")

a0.imshow(gray,cmap='gray')

a1.set_title("oraginal gray filter")

a1.imshow(gray_blur,cmap='gray')

a2.set_title("blur gray")

a2.imshow(gray_blur,cmap='gray')

a3.set_title("blur gray with sobel x")

a3.imshow(gray_blur_sobelx,cmap='gray')

a4.set_title("blur gray with sobel y")

a4.imshow(gray_blur_sobely,cmap='gray')

retval,binary_image = cv2.threshold(gray_blur_sobelx,100,225,cv2.THRESH_BINARY)

plt.figure()

plt.imshow(binary_image,cmap='gray')

plt.show()