Roberts operator

理论分析

他山之玉可以攻石，点击这里可以学习相关理论。
版权声明：本文为CSDN博主「TechArtisan6」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/zaishuiyifangxym/article/details/89840396

经过一些计算，我们得到Roberts 算子 [[0 , 1], [-1, 0] ] 和 [[1 , 0 ], [0 , -1]]
（与博主的顺序不太一致，但对图片效果没有影响）

编码实现

# -*- coding: utf-8 -*-
# 用简单的算子引出边缘检测的一般流程
import cv2
import numpy as np
import matplotlib.pyplot as pltdef convolution(matrix, c_kernel):# 正常卷积完后会少半圈（与计算方式有关）rows, columns = matrix.shape# 这里提前补上了result_matrix = matrix.copy().astype(np.int16)for i in range(0, rows-1):for j in range(0, columns-1):result_matrix[i][j] = (result_matrix[i][j]*c_kernel[0][0] +result_matrix[i+1][j]*c_kernel[1][0] +result_matrix[i][j+1]*c_kernel[0][1] +result_matrix[i+1][j+1]*c_kernel[1][1])return result_matrixdef Roberts_Edge_Detection(source_img):# 输入灰度图，输出边缘提取后的灰度图rows, columns = source_img.shapeimg = source_img.copy()# Roberts算子Roberts_1 = np.array([[0, 1], [-1, 0]], dtype=int)Roberts_2 = np.array([[1, 0], [0, -1]], dtype=int)# step2 卷积x = convolution(img, Roberts_1)y = convolution(img, Roberts_2)# 也可以调用cv2的filter2D函数。# x = cv2.filter2D(img, cv2.CV_16S, Roberts_1)# y = cv2.filter2D(img, cv2.CV_16S, Roberts_2)# # 转换卷积后的图片深度，转uint8absX = cv2.convertScaleAbs(x)absY = cv2.convertScaleAbs(y)Roberts_img = np.zeros((rows, columns), dtype=np.uint8)# 或 Roberts_img = np.array([[0]*columns]*rows).astype(np.uint8)for i in range(rows):for j in range(columns):Roberts_img[i][j] = 0.5*absX[i][j] + 0.5*absY[i][j]# 或 Roberts = cv2.addWeighted(absX, 0.5, absY, 0.5, 0)return Roberts_imgif __name__ == "__main__":# 用imread时需要注意图片路径不要包含中文，否则会can't open/read file: check file path/integrity# cv2.IMREAD_GRAYSCALE 读入灰度图source_img = cv2.imread('pictures\\source\\1.jpg', cv2.IMREAD_GRAYSCALE)# 文件中说In the case of color images, the decoded images will have the channels stored in **B G R** order.彩色图读入BGRresult_img = Roberts_Edge_Detection(source_img)# 用来正常显示中文标签plt.rcParams['font.sans-serif'] = ['SimHei']# plt.imshow()里添加参数cmap=“gray”，显示灰度图plt.subplot(121), plt.imshow(source_img, cmap="gray"), plt.title('source imge'), plt.axis('off')  # 坐标轴关闭plt.subplot(122), plt.imshow(result_img, cmap="gray"), plt.title('Roberts operator imge'), plt.axis('off')# 保存图片plt.savefig('pictures\\result\\1_Roberts operator result.jpg', bbox_inches='tight')plt.show() # 显示在屏幕上

作者才疏学浅，文章或有不足，请大家多多指教！！！

边缘提取之Roberts算子相关推荐

图像边缘提取——梯度算子、Roberts算子、prewitt算子、Sobel算子、Kirsch算子、LOG算子的matlab实现
#图像边缘提取-- ##梯度算子.Roberts算子.prewitt算子.Sobel算子.Kirsch算子.LOG算子的matlab实现 matlab代码 clear; f=rgb2gray(imre ...
python图像锐化增强边缘_[Python图像处理]十一.图像锐化与边缘检测之Roberts算子、Prewitt算子、Sobel算子和Laplacian算子,Schar算子...
Roberts算子 Roberts算子即为交叉微分算法,它是基于交叉差分的梯度算法,通过局部差分计算检测边缘线条.常用来处理具有陡峭的第噪声图像,当图像边缘接近于正45度或负45度时,该算法处理效果更 ...
MATLAB的Roberts算子与Sobel算子
function [ output_args ] = Untitled4( input_args ) close all clear all I=imread('PeppersRGB.bmp'); % ...
opencv roberts算子_边缘检测 Roberts算子
Roberts算子是一种最简单的算子,利用局部差分算子寻找边缘的算子.采用对角线相邻两像素之差近似梯度幅值检测边缘..检测垂直边缘的效果比斜向边缘要好,定位精度高,对噪声比较敏感,无法抑制噪声的影响. ...
Sobel和Roberts算子的推导过程
Sobel和Roberts算子,这两个算子是梯度算子,是一阶微分算子,可以用来检测图像的边缘.推导过程如下所示,以便以后方便. Sobel算子的推导: Roberts算子的推导: 关于Image En ...
Opencv2.4学习：：边缘检测（4）Roberts算子
边缘检测 1.Sobel 2.Laplace 3.Roberts 4.Canny Roberts 就是以对角线作为差分的方向来检测实现代码: #include<opencv2/core/cor ...
边缘检测，Roberts 算子，Sobel算子，Canny 算子
边缘检测在图像中,边缘是图像局部强度变化最明显的地方,它主要存在于目标与目标.目标与背景.区域与区域之间.边缘表明一个特征区域的终结和另一特征区域的开始.边缘所分开区域的内部特征或属性是一致的,而不 ...
【8】python-opencv3教程：边缘检测（Roberts算子边缘检测，Prewitt算子边缘检测，Sobel算子边缘检测）
第八节:边缘检测边缘检测:边缘检测指的是灰度值发生急剧变化的位置,边缘检测的目的是制作一个线图,在不会损害理解图像内容的情况下, 有大大减少了图像的数据量,提供了对图像数据的合适概述. 一:Robe ...
opencv roberts算子_图像之HOG特征描述算子-行人检测
4.1 简介本次任务将学习一种在深度学习之前非常流行的图像特征提取技术--方向梯度直方图(Histogram of Oriented Gradients),简称HOG特征.HOG特征是在2005年C ...

边缘提取之Roberts算子

图像处理——边缘提取

Roberts operator

理论分析

编码实现

边缘提取之Roberts算子相关推荐

最新文章

热门文章