(十二)图像的Sobel梯度锐化

2024-03-30 19:12

本文主要是介绍(十二)图像的Sobel梯度锐化,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

环境:Windows10专业版 + IDEA2021.2.3 + jdk11.0.1 + OpenCV-460.jar

系列文章:

(一)Python+GDAL实现BSQ,BIP,BIL格式的相互转换

(二)BSQ,BIL,BIP存储格式的相互转换算法

(三)单波段图像的伪彩色合成:密度分割(含介绍OpenCV中的Mat类)

(四)图像的%2线性拉伸

(五)图像的标准假彩色合成

(六)图像的直方图均衡化

(七)图像的均值滤波

(八)图像的中值滤波

(九)图像的高斯低通滤波

(十)图像的梯度倒数加权平滑

(十一)图像的罗伯特梯度锐化

(十二)图像的Sobel梯度锐化

(十三)图像的拉普拉斯梯度锐化

目录

一、Sobel梯度锐化简介

二、算法流程

三、代码实现

四、实验结果

1、读入的图像

2、经过Sobel梯度处理后的图像


一、Sobel梯度锐化简介

Sobel梯度锐化是一种基于Sobel算子的图像处理方法,用于增强图像的边缘和细节

Sobel算子是一种用于边缘检测的算法,它通过计算图像中每个像素点的梯度强度和方向来突出显示图像的边缘。Sobel算子包括两个3x3的矩阵,分别用于水平和垂直方向的边缘检测。这两个矩阵与图像进行卷积运算,从而得到水平和垂直方向的梯度近似值。Sobel算子的特点是它认为相邻点的距离远近对当前像素点的影响是不同的,距离越近的像素点对当前像素的影响越大,这样的加权方式使得Sobel算子在进行边缘检测时能够更好地突出边缘轮廓。

在图像处理中,Sobel算子的应用主要包括以下关键点:

1、边缘检测:Sobel算子可以有效地检测出图像中的边缘,这对于图像分析和理解至关重要。边缘通常代表了图像中的重要结构信息,如物体的轮廓等。

2、图像锐化:通过强调图像的边缘,Sobel算子可以使图像看起来更清晰,细节更加突出。这在图像锐化处理中非常有用,尤其是在需要增强图像细节的情况下。

3、噪声抑制:虽然Sobel算子主要用于边缘检测,但它也可以帮助减少图像中的随机噪声,因为它主要关注于图像中的结构性变化,而不是随机的小幅度变化。

4、优缺点:对边缘的检测更加精确;但不适用于含有大量噪声的图像。

Sobel梯度锐化是图像处理中的一个基本而重要的技术,它在边缘检测、图像锐化和噪声抑制等方面有着广泛的应用。

二、算法流程

(以单波段灰度图像为例)

1、利用OpenCV读入图像,将像素存储在数组里

2、h1突出水平方向上的特征,h2突出垂直方向上的特征,用水平方向上的模板h1计算后取绝对值再加上垂直方向上的模板h2计算后取绝对值

3、将经过Sobel梯度处理后的像素值存入数组合成图像并存储

三、代码实现

import org.opencv.core.Core;
import org.opencv.core.CvType;
import org.opencv.core.Mat;
import org.opencv.imgcodecs.Imgcodecs;/*** @Author: HNUST_jue_chen* @Date: 2022/11/04/ 22:04* @Attention: 转载, 引用请注明出处*/public class SobelGradient {//加载本地动态链接库static {System.loadLibrary(Core.NATIVE_LIBRARY_NAME);}//Sobel梯度锐化public Mat sobelSharping(String path) {//使用Mat类存储图像信息Mat mat = Imgcodecs.imread(path);//图像的大小int rows = mat.rows();int cols = mat.cols();//获得原图像像素数组int[][] mat_arr = new int[rows][cols];for (int i = 0; i < rows; i++) {for (int j = 0; j < cols; j++) {mat_arr[i][j] = (int) mat.get(i, j)[0];}}//用Sobel算子进行锐化int[][] mat_arr_sobelSharp = new int[rows][cols];for (int i = 0; i < rows; i++) {for (int j = 0; j < cols; j++) {//处理非边缘的像素if (i != 0 && i != rows - 1 && j != 0 && j != cols - 1) {mat_arr_sobelSharp[i][j] = Math.abs((mat_arr[i - 1][j - 1] * (-1)) + mat_arr[i - 1][j] * (-2)+ mat_arr[i - 1][j + 1] * (-1) + (mat_arr[i + 1][j - 1])+ mat_arr[i + 1][j] * (2) + mat_arr[i + 1][j + 1])+ Math.abs((mat_arr[i - 1][j - 1] * (-1)) + mat_arr[i][j - 1] * (-2)+ mat_arr[i + 1][j - 1] * (-1) + (mat_arr[i - 1][j + 1])+ mat_arr[i][j + 1] * (2) + mat_arr[i + 1][j + 1]);} else {    //处理边缘的像素mat_arr_sobelSharp[i][j] = mat_arr[i][j];}}}//合成图像Mat mat_sobelSharp = new Mat(rows, cols, CvType.CV_32SC1);//将像素放入图像for (int i = 0; i < rows; i++) {//一次放入一行像素值mat_sobelSharp.put(i, 0, mat_arr_sobelSharp[i]);}return mat_sobelSharp;}public static void main(String[] args) {SobelGradient sg = new SobelGradient();Mat mat = sg.sobelSharping("D:\\Project\\IDEA_Project\\RS01\\src\\rs01\\img\\2_gray.png");//将经过Sobel锐化后的图像写入文件Imgcodecs.imwrite("D:\\Project\\IDEA_Project\\RS01\\src\\rs01\\img\\2_gray_sg.png", mat);}
}

四、实验结果

1、读入的图像

2、经过Sobel梯度处理后的图像

这篇关于(十二)图像的Sobel梯度锐化的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/862335

相关文章

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

Verybot之OpenCV应用一:安装与图像采集测试

在Verybot上安装OpenCV是很简单的,只需要执行:         sudo apt-get update         sudo apt-get install libopencv-dev         sudo apt-get install python-opencv         下面就对安装好的OpenCV进行一下测试,编写一个通过USB摄像头采

✨机器学习笔记(二)—— 线性回归、代价函数、梯度下降

1️⃣线性回归(linear regression) f w , b ( x ) = w x + b f_{w,b}(x) = wx + b fw,b​(x)=wx+b 🎈A linear regression model predicting house prices: 如图是机器学习通过监督学习运用线性回归模型来预测房价的例子,当房屋大小为1250 f e e t 2 feet^

AI学习指南深度学习篇-带动量的随机梯度下降法的基本原理

AI学习指南深度学习篇——带动量的随机梯度下降法的基本原理 引言 在深度学习中,优化算法被广泛应用于训练神经网络模型。随机梯度下降法(SGD)是最常用的优化算法之一,但单独使用SGD在收敛速度和稳定性方面存在一些问题。为了应对这些挑战,动量法应运而生。本文将详细介绍动量法的原理,包括动量的概念、指数加权移动平均、参数更新等内容,最后通过实际示例展示动量如何帮助SGD在参数更新过程中平稳地前进。

【python计算机视觉编程——7.图像搜索】

python计算机视觉编程——7.图像搜索 7.图像搜索7.1 基于内容的图像检索(CBIR)从文本挖掘中获取灵感——矢量空间模型(BOW表示模型)7.2 视觉单词**思想****特征提取**: 创建词汇7.3 图像索引7.3.1 建立数据库7.3.2 添加图像 7.4 在数据库中搜索图像7.4.1 利用索引获取获选图像7.4.2 用一幅图像进行查询7.4.3 确定对比基准并绘制结果 7.

【python计算机视觉编程——8.图像内容分类】

python计算机视觉编程——8.图像内容分类 8.图像内容分类8.1 K邻近分类法(KNN)8.1.1 一个简单的二维示例8.1.2 用稠密SIFT作为图像特征8.1.3 图像分类:手势识别 8.2贝叶斯分类器用PCA降维 8.3 支持向量机8.3.2 再论手势识别 8.4 光学字符识别8.4.2 选取特征8.4.3 多类支持向量机8.4.4 提取单元格并识别字符8.4.5 图像校正

AI学习指南深度学习篇-带动量的随机梯度下降法简介

AI学习指南深度学习篇 - 带动量的随机梯度下降法简介 引言 在深度学习的广阔领域中,优化算法扮演着至关重要的角色。它们不仅决定了模型训练的效率,还直接影响到模型的最终表现之一。随着神经网络模型的不断深化和复杂化,传统的优化算法在许多领域逐渐暴露出其不足之处。带动量的随机梯度下降法(Momentum SGD)应运而生,并被广泛应用于各类深度学习模型中。 在本篇文章中,我们将深入探讨带动量的随

RISC-V (十二)系统调用

系统模式:用户态和内核态         当前的代码都是实现在machine模式下。 系统模式的切换         epc寄存器的值存放的是ecall指本身的地址 。 用ecall指令 系统调用的执行流程         mret这条指令会利用status的mpp值恢复到之前的特权级别。  蓝色的线表示涉及到权限切换。  系统调用的传参

HalconDotNet中的图像特征与提取详解

文章目录 简介一、边缘特征提取二、角点特征提取三、区域特征提取四、纹理特征提取五、形状特征提取 简介   图像特征提取是图像处理中的一个重要步骤,用于从图像中提取有意义的特征,以便进行进一步的分析和处理。HalconDotNet提供了多种图像特征提取方法,每种方法都有其特定的应用场景和优缺点。 一、边缘特征提取   边缘特征提取是图像处理中最基本的特征提取方法之一,通过检

超越IP-Adapter!阿里提出UniPortrait,可通过文本定制生成高保真的单人或多人图像。

阿里提出UniPortrait,能根据用户提供的文本描述,快速生成既忠实于原图又能灵活调整的个性化人像,用户甚至可以通过简单的句子来描述多个不同的人物,而不需要一一指定每个人的位置。这种设计大大简化了用户的操作,提升了个性化生成的效率和效果。 UniPortrait以统一的方式定制单 ID 和多 ID 图像,提供高保真身份保存、广泛的面部可编辑性、自由格式的文本描述,并且无需预先确定的布局。