按预期工作

Question

我试图从Python中的cv2理解Sobel卷积。

根据documentation，Sobel内核是

-1 0 1
-2 0 2
-1 0 1

因此，我尝试将其应用于以下img（二进制3x3数组）：

0 1 0
1 0 1
0 1 0

现在，我在解释输出时遇到问题。我用手计算得出了不同的结果。据我所知，我必须将内核置于每个像素(i,j)的中心，并按元素和求和。

因此，输出中的第一个条目应为 2。程序返回0。

我错了吗？我希望是这样。

代码

import cv2
import numpy as np

img = np.array([[0,1,0],[1,0,1],[0,1,0]]).astype(float)

# Output dtype = cv2.CV_8U
sobelx8u = cv2.Sobel(img,cv2.CV_8U,1,0,ksize=3)

# Output dtype = cv2.CV_64F. Then take its absolute and convert to cv2.CV_8U
sobelx64f = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)

abs_sobel64f = np.absolute(sobelx64f)
sobel_8u = np.uint8(abs_sobel64f)

print 'img'
print img

print 'sobelx8u'
print sobelx8u

print 'sobelx64f'
print sobelx64f

print 'abs_sobel64f'
print abs_sobel64f

print 'sobel_8u'
print sobel_8u

输出

img
[[ 0.  1.  0.]
 [ 1.  0.  1.]
 [ 0.  1.  0.]]
sobelx8u
[[0 0 0]
 [0 0 0]
 [0 0 0]]
sobelx64f
[[ 0.  0.  0.]
 [ 0.  0.  0.]
 [ 0.  0.  0.]]
abs_sobel64f
[[ 0.  0.  0.]
 [ 0.  0.  0.]
 [ 0.  0.  0.]]
sobel_8u
[[0 0 0]
 [0 0 0]
 [0 0 0]]

Answer 1

阅读您的documentation页的第二段：

本节中描述的函数和类的另一个共同特征是，与简单的算术函数不同，它们需要推断一些不存在的像素的值。例如，如果要使用高斯3x3滤镜对图像进行平滑处理，则在处理每一行中最左边的像素时，需要在它们左侧（即图像外部）的像素。您可以让这些像素与最左边的图像像素相同（“复制边界”外推法），或者假定所有不存在的像素均为零（“恒定边界”外推法），依此类推。 OpenCV使您可以指定外推方法。有关详细信息，请参阅本节中的函数borderInterpolate()和borderType参数的讨论以及下面的各种函数。

按预期工作

要使其正常工作，必须明确指定要使用零值对边界进行插值。像这样：

import cv2
import numpy as np

img = np.array([[0,1,0],[1,0,1],[0,1,0]]).astype(float)

border = cv2.borderInterpolate(0, 1, cv2.BORDER_CONSTANT)
sobelx64f = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3, borderType=border)

print 'img'
print img

print 'sobelx64f'
print sobelx64f

输出：

img
[[ 0.  1.  0.]
 [ 1.  0.  1.]
 [ 0.  1.  0.]]
sobelx64f
[[ 2.  0. -2.]
 [ 2.  0. -2.]
 [ 2.  0. -2.]]

默认边框类型

borderType的默认值为BORDER_DEFAULT，在我的机器上与BORDER_REFLECT_101相同。您可以运行此脚本在计算机上进行确认：

import cv2

for var in dir(cv2):
    if not var.startswith('BORDER_'): continue
    if cv2.__dict__[var] == cv2.BORDER_DEFAULT:
        print 'BORDER_DEFAULT ==', var

输出：

BORDER_DEFAULT == BORDER_DEFAULT
BORDER_DEFAULT == BORDER_REFLECT101
BORDER_DEFAULT == BORDER_REFLECT_101

BORDER_REFLECT_101的工作方式与您的结果完全一致。这是不同边框类型的说明：

BORDER_REPLICATE:     aaaaaa|abcdefgh|hhhhhhh
BORDER_REFLECT:       fedcba|abcdefgh|hgfedcb
BORDER_REFLECT_101:   gfedcb|abcdefgh|gfedcba
BORDER_WRAP:          cdefgh|abcdefgh|abcdefg
BORDER_CONSTANT:      iiiiii|abcdefgh|iiiiiii  with some specified 'i'

您所得到的解释

因此默认的边界插值类型（即BORDER_REFLECT_101）使您的数组在计算之前看起来像这样：

通过简单的算法，您可以确认将Sobel内核应用于内部3x3像素后的正确值都是零-这就是通过运行脚本得到的。

从cv2解读Sobel

1 个答案:

按预期工作

默认边框类型

您所得到的解释