空间滤波(四) sobel 算子
来源:互联网 发布:windows防火墙允许ip 编辑:程序博客网 时间:2024/05/02 02:40
ori_img=imread('C:\Program Files\MATLAB\R2013a\bin\Original_Images\DIP3E_Original_Images_CH03\Fig0342(a)(contact_lens_original).tif');ori_img=mat2gray(ori_img); % 归一化 转化为double sobel_v=double([1,2,1;0,0,0;-1,-2,-1]); %Sobel operator 3x3 convolution kernels% 垂直 Sobel_v kron([1,0,-1]',[1,2,1])sob_v_img=conv2(ori_img,sobel_v,'same');% sob_v_img=mat2gray(sob_v_img);figure,imshow(sob_v_img,[]),title('sobel vetical img');sobel_h=double([1,0,-1;2,0,-2;1,0,-1]); %Sobel operator 3x3 convolution kernelssob_h_img=conv2(ori_img,sobel_h,'same');% sob_h_img=mat2gray(sob_h_img);figure,imshow(sob_h_img,[]),title('sobel Hor img');sob_img=abs(sob_h_img)+abs(sob_v_img);figure,imshow(sob_img,[]),title('sobel img') % 归一化% 水平 sobel_h kron([1,2,1]',[1,0,-1])
%sobel_h=double([-3,0,3;-10,0,10;-3,0,3]); %更准确% sobel_v=doubel([-3,-10,-1;0,0,0;3,10,3]); %更准确%由于sobel%是一个近似算符,故总会有误差,这里用一个更准确的计算 具体细节请参考learning opencv by%Bradski and Kaehler in the OpenCV reference (Scharr)
最下面这张是隐形眼镜原图,网站不能上传tif 图像我在这里截了一张图。因时间有限不能翻译原文,请见谅。
分析:请注意 图片中四 、五 点钟方向上的缺陷,本文中用梯度法(sobel 算子) 增强缺陷(显示梯度变换大的位置),消除慢变化的背景(梯度变化小的位置)的特性是非常有用的。梯度处理常用于工业检测的预处理步骤,而不用于人为分析。梯度处理还可以用于突出灰度图像中看不见的小斑点(可能是外来物、小缺陷等)。
0 0
- 空间滤波(四) sobel 算子
- sobel算子(转)
- sobel 算子滤波后图像的简单分析(自己用)
- sobel算子原理、卷积核滤波原理与实现
- Sobel算子
- Sobel算子
- sobel算子
- Sobel算子
- Sobel算子
- sobel算子
- Sobel算子
- sobel算子
- Sobel算子
- sobel算子
- 边缘检测(Sobel算子,拉普拉斯算子,Canny算子)
- 【图像处理】空间域上的图像增强(sobel,LOG,DOG算子等)
- Sobel算子边缘检测(vc实现)
- Sobel算子边缘检测(vc实现)
- 盘点EMC World 2014三大看点
- 深入Python(2): __init__.py 用法
- C++ 1
- 顺序栈
- Hbase的SQL接口之Phoenix使用总结(1)
- 空间滤波(四) sobel 算子
- SQLServer2008编程入门经典3th<读书笔记1>
- 《Python开发实战》
- Android Device chooser unknow
- 设计模式23种
- iOS:苹果企业证书通过网页分发安装app
- 添加去APP store评论
- oracle11g 安装图解
- MVC框架浅析