前几天,老师布置了这样一个任务,读取图片并显示,反色后进行显示;进行Sobel算子滤波,然后反色,进行显示;进行Robers算子滤波,然后反色,进行显示。我最后加上了Laplace算子滤波,进行了比较。下面我来讲一下我的实现方法:

一、实现过程

思路:先完成每种函数的算法,接下来是反色函数,最后实现。

import cv2

import numpy as np

# robert 算子[[-1,-1],[1,1]]

def robert_suanzi(img):

r, c = img.shape

r_sunnzi = [[-1,-1],[1,1]]

for x in range(r):

for y in range(c):

if (y + 2 <= c) and (x + 2 <= r):

imgChild = img[x:x+2, y:y+2]

list_robert = r_sunnzi*imgChild

img[x, y] = abs(list_robert.sum())   # 求和加绝对值

return img

# # sobel算子的实现

def sobel_suanzi(img):

r, c = img.shape

new_image = np.zeros((r, c))

new_imageX = np.zeros(img.shape)

new_imageY = np.zeros(img.shape)

s_suanziX = np.array([[-1,0,1],[-2,0,2],[-1,0,1]])   # X方向

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

for i in range(r-2):

for j in range(c-2):

new_imageX[i+1, j+1] = abs(np.sum(img[i:i+3, j:j+3] * s_suanziX))

new_imageY[i+1, j+1] = abs(np.sum(img[i:i+3, j:j+3] * s_suanziY))

new_image[i+1, j+1] = (new_imageX[i+1, j+1]*new_imageX[i+1,j+1] + new_imageY[i+1, j+1]*new_imageY[i+1,j+1])**0.5

# return np.uint8(new_imageX)

# return np.uint8(new_imageY)

return np.uint8(new_image) # 无方向算子处理的图像

# Laplace算子

# 常用的Laplace算子模板 [[0,1,0],[1,-4,1],[0,1,0]]  [[1,1,1],[1,-8,1],[1,1,1]]

def Laplace_suanzi(img):

r, c = img.shape

new_image = np.zeros((r, c))

L_sunnzi = np.array([[0,-1,0],[-1,4,-1],[0,-1,0]])

# L_sunnzi = np.array([[1,1,1],[1,-8,1],[1,1,1]])

for i in range(r-2):

for j in range(c-2):

new_image[i+1, j+1] = abs(np.sum(img[i:i+3, j:j+3] * L_sunnzi))

return np.uint8(new_image)

#反色函数

def inverse_color(img):

height,width = img.shape

img2 = img.copy()

for i in range(height):

for j in range(width):

img2[i,j] = (255-img[i,j])

return img2

img = cv2.imread('E:/test3.bmp', cv2.IMREAD_GRAYSCALE)

cv2.imshow('image', img)

img2 = inverse_color(img)

cv2.imshow('image2',img2)

# # robers算子

out_robert = robert_suanzi(img)

out_robert = inverse_color(out_robert)

cv2.imshow('robert_image', out_robert)

# sobel 算子

out_sobel = sobel_suanzi(img)

out_sobel = inverse_color(out_sobel)

cv2.imshow('sobel_image', out_sobel)

# Laplace算子

out_laplace = Laplace_suanzi(img)

out_laplace = inverse_color(out_laplace)

cv2.imshow('laplace_image', out_laplace)

cv2.waitKey(0)

cv2.destroyAllWindows()

二、运行效果

原图

反色后

Sobel算子滤波

robert算子滤波

laplace算子滤波

三、问题及解决办法

1.出现找不到文件的情况

这是第一次实验就遇到的问题,我以为还是符号的问题(就是文件前面要用/),但发现改了之后仍然出现问题,然后发现是我把图片的后缀记错了,如下图,test3的后缀是bmp,而我代码里出了问题,后来改正了就可以了。

2.运行结果没有进行反色处理。

解决方法:其实就是忘记了题目的要求,然后后来加上了反色的代码,结果就是题目要求的了。代码如下:

实现Sobel算子滤波、Robers算子滤波、Laplace算子滤波的更多相关文章

  1. 学习 opencv---(11)OpenC 边缘检测:Canny算子,Sobel算子,Laplace算子,Scharr滤波器

    本篇文章中,我们将一起学习OpenCV中边缘检测的各种算子和滤波器——Canny算子,Sobel算子,Laplace算子以及Scharr滤波器.文章中包含了五个浅墨为大家准备的详细注释的博文配套源代码 ...

  2. 【OpenCV新手教程之十二】OpenCV边缘检測:Canny算子,Sobel算子,Laplace算子,Scharr滤波器合辑

    本系列文章由@浅墨_毛星云 出品,转载请注明出处. 文章链接:http://blog.csdn.net/poem_qianmo/article/details/25560901 作者:毛星云(浅墨) ...

  3. [OpenCV入门教程之十二】OpenCV边缘检测:Canny算子,Sobel算子,Laplace算子,Scharr滤波器合辑

    http://blog.csdn.net/poem_qianmo/article/details/25560901 本系列文章由@浅墨_毛星云 出品,转载请注明出处. 文章链接:http://blog ...

  4. python自编程序实现——robert算子、sobel算子、Laplace算子进行图像边缘提取

    实现思路: 1,将传进来的图片矩阵用算子进行卷积求和(卷积和取绝对值) 2,用新的矩阵(与原图一样大小)去接收每次的卷积和的值 3,卷积图片所有的像素点后,把新的矩阵数据类型转化为uint8 注意: ...

  5. 边缘检测:Canny算子,Sobel算子,Laplace算子

    1.canny算子 Canny边缘检测算子是John F.Canny于 1986 年开发出来的一个多级边缘检测算法.更为重要的是 Canny 创立了边缘检测计算理论(Computational the ...

  6. 二维、三维 Laplace 算子的极坐标表示

    (1) 设 $(r,\theta)$ 是 $\bbR^2$ 的极坐标, 即 $$\bex x=r\cos\theta,\quad y=r\sin \theta. \eex$$ 证明 Laplace 算 ...

  7. Opencv Laplace算子

    //通过拉普拉斯-锐化边缘 kernel = (Mat_<float>(3,3)<<1,1,1,1,-8,1,1,1,1);//Laplace算子 filter2D(img2, ...

  8. 13. 用Roberts、Sobel、Prewitt和Laplace算子对一幅灰度图像进行边缘检测。观察异同。

    #include <opencv2/opencv.hpp> #include<opencv2/highgui/highgui.hpp> #include<opencv2/ ...

  9. OpenCV2马拉松第15圈——边缘检測(Laplace算子,LOG算子)

    收入囊中 拉普拉斯算子 LOG算子(高斯拉普拉斯算子) OpenCV Laplacian函数 构建自己的拉普拉斯算子 利用拉普拉斯算子进行图像的锐化 葵花宝典 在OpenCV2马拉松第14圈--边缘检 ...

随机推荐

  1. Integrated writing|Independent writing

    Integrated writing R-L-W时间20min,字数150-225个词,写多不扣分. Objective要求客观. Academic topics主题是生物环境地理历史 Indepen ...

  2. 利用卷积神经网络实现MNIST手写数据识别

    代码: import torch import torch.nn as nn import torch.utils.data as Data import torchvision # 数据库模块 im ...

  3. HDU-6672-Seq

    题目传送门 ps:一般这种给一个数列求第n项,n还特别大的.要么矩阵快速幂,要么转化递推式.不过这题数据也特别多有100000组,所以就算矩阵快速幂可能也要超时,而且我还没推出来.转化递推式需要比较强 ...

  4. 用两个栈实现一个队列(C++)

    分析 栈:后进先出 队列:先进先出 要使用两个栈实现队列(先进先出),主要思路是 1.插入一个元素:直接将元素插入stack1即可. 2.删除一个元素:当stack2不为空时 ,直接弹出栈顶元素,当s ...

  5. python3的数据类型转换问题

    问题描述:在自我学习的过程中,写了个登陆,在input处,希望能够对数据类型进行判断,但是因为python3的输入的数据会被系统默认为字符串,也就是1,1.2,a.都会被系统默认为字符串,这个心塞啊, ...

  6. Welcome to Fan Ouyang’s website!

    Welcome to Fan Ouyang's website! 欧阳璠,哲学博士,湖南娄底人. 目前为浙江大学教育学院课程与学习科学系教育技术专业百人计划研究员. 2013-2018年 明尼苏达大学 ...

  7. Ionic3学习笔记(九)关于 Android 端软键盘弹出后界面被压缩的问题

    本文为原创文章,转载请标明出处 今天做了一个如下图所示的页面. iOS 端毫无 bug,Android 端却出现了问题.当软键盘弹出后,Android 端的 tabs 移到了软键盘的上面,再仔细一看, ...

  8. Appium移动自动化测试实例-基于python

    一.环境搭建 安装Android 环境变量.SDK.Android API.ADT等. 步骤1  安装SDK:下载地址为https://pan.baidu.com/s/1mi6PT9m.如提示错误:' ...

  9. TCP并发、GIL全局锁、多线程讨论

    TCP实现并发 #client客户端 import socket client = socket.socket() client.connect(('127.0.0.1',8080)) while T ...

  10. classnames

    在React中编写模板时给标签添加class. 如果是固定的className="XX"就可以了. 如果要根据状态值动态应用或去除, 或使用多个class时就麻烦了. 可以使用cl ...