问题标签 [sobel]

我正在编写一个检测图像边缘的脚本。

这是脚本：

这是我总是得到的：

左边是原始图像，右边应该是检测到边缘的图像（正如您在脚本中看到的，我在图像上实现了一些噪声 - 必须存在）。但无论阈值 T 的值是多少，我实际上一无所获。

你能帮我找出我的错误吗？

所以我应该对 Octave 中的图像应用 Sobel 过滤器，但我不允许使用图像包中的任何功能。我编写了代码，但我的输出只是一张黑色图像。这是我到目前为止所拥有的：

感谢您的帮助！

我正在为图形课做一个学校项目。我的任务是检测彩色图像的边缘，我们收到了使用 Canny 边缘检测算法的建议。

我决定自己用 Java 编写整个程序，因为使用给定的公式看起来很容易。我用 Java Swing 创建了一个窗口，我正在将输入图像作为 sRGB 图像读取，并将其转换为 CIEL a b*（因为这是任务的一部分）。我设法应用了确定偏导数的 Sobel 核 (Cx,Cy)。但是，我坚持使用方向公式并对其进行编码。

我的第一个问题是，我不知道我是否应该计算每个单独颜色通道中的方向，还是一次性计算。

这是计算的公式（首先是方向，我坚持，在正确的大小上，有需要方向的幅度 -theta）

下面是计算方向的源代码：

LabImg是一种数据类型，它包含图像的大小、像素值的二维数组和缓冲图像。

我在此代码部分中遇到了一些错误

我得到的错误：

此外，当我./按照建议使用时，我收到新错误：

我在规范化步骤中做错了什么。

我该如何解决这个问题？

在我的代码片段中，我想构建 Sobel 过滤器，该过滤器分别应用于图像 (RGB) 的每一层，最后粘在一起（同样是 rgb，但被过滤）。

我不知道如何使用输入 shape 构造 Sobel 滤波器，[filter_depth, filter_height, filter_width, in_channels, out_channesl]在我的情况下：

整个代码如下所示：

我正在尝试在 android studio 中使用 C++ 实现 sobel 边缘检测，并提供最少的库帮助。我必须自己编写算法，所以我不能使用 sobel 或 OpenCV 提供的任何函数。

问题是给定的输出看起来像这个 输出图像一样抽象。我找不到任何相关的讨论。

我正在使用 4 通道 8UC4 垫，JNI 调用 c++。和包含图像的结构，此处描述为stackoverflow.com/questions/24319406/

任何帮助，将不胜感激。非常感谢。

这是代码片段：

上面的代码显示了结构

上面的代码是灰度方法。这种方法在 20+ fps 的实时速度下运行良好，没有任何问题。

上面的代码很麻烦。它显示了前面提到的图片。

我将 openCV 中的内置 Sobel 边缘运算用于某些图像处理目的，但结果与该函数的预期不符。

我附上了输入图像的示例图像和我得到的结果输出。请帮助我解决这个问题。左边是输入图像，右边是结果图像。

我试图从cv2Python 中理解 Sobel 卷积。

根据文档，Sobel 内核是

因此，我尝试将其应用于以下img（二进制3x3数组）：

现在，我在解释输出时遇到了问题。我手工计算并得到不同的结果。据我所知，我必须将内核集中在每个像素上(i,j)，然后将元素相乘并求和。

因此，输出中的第一个条目应该是 2. 程序返回0。

我错了吗？但愿如此。

代码

输出

所以，我决定创建一个简单的 Canny 边缘检测器作为练习，然后再用图像处理来解决更难的话题。

我尝试遵循 Canny 的典型路径： 1. 对图像进行灰度化 2. 高斯滤波器以模糊噪声 3. 边缘检测 - 我同时使用 Sobel 和 Scharr 4. 边缘细化 - 我在方向上使用了非最大抑制，具体取决于梯度方向 - 垂直、水平、45 对角线或 135 对角线 5. 滞后

我以某种方式设法让它与 Scharr 的检测一起工作，但我经常遇到双边缘或多边缘的问题，尤其是 Sobel。我真的找不到一组可以让它工作的参数。

我的 Sobel 算法：

Scharr 代码的不同之处仅在于像素值的乘积。

细化代码：

迟滞代码：

结果对 Sobel 来说是相当不满意的：

稀释索贝尔

滞后后的索贝尔

使用 Scharr，结果会更好：

细化的沙尔

滞后后的 Scharr

参数集：

如您所见，Sobel 存在一个问题，它会产生双边。Scharr 也会产生一些噪音，但我认为这是可以接受的。当然，如果有人可以提供一些建议，它总是会变得更好:)

这种行为的原因是什么？它是由于我的错误或糟糕的算法造成的，还是仅仅是参数的情况？

编辑：发布 main()

第二次编辑 - 修复抑制：

修复了 Lena 上的 Scharr 看起来很奇怪 另一个测试图像 - 奇怪的结果

二值化前

准备好的齿轮

我已经计算了 Sobel 梯度大小和方向。但我坚持如何进一步使用它进行形状检测。

图像>灰度>索贝尔过滤>索贝尔梯度和方向计算>下一步？

使用的 Sobel 内核是：

（我有限制只能使用 Numpy 而不能使用 Python 语言的其他库。）