Sobel算子

Sobel算子与Prewitt算子非常相似。它也是一个导数模板，用于边缘检测。与Prewitt算子一样，Sobel算子也用于检测图像中的两种边缘。

与Prewitt算子的区别

主要区别在于，在Sobel算子中，模板的系数不是固定的，可以根据需要调整，除非它们违反了导数模板的任何属性。

以下是Sobel算子的垂直模板：

此模板的工作原理与Prewitt算子的垂直模板完全相同。只有一个区别，即它在第一列和第三列的中心具有“2”和“-2”的值。应用于图像时，此模板将突出显示垂直边缘。

当我们将此模板应用于图像时，它会突出显示垂直边缘。它就像一阶导数一样，计算边缘区域中像素强度的差异。

由于中心列为零，因此它不包含图像的原始值，而是计算该边缘周围左右像素值的差值。此外，第一列和第三列的中心值分别为2和-2。

这为边缘区域周围的像素值赋予了更大的权重。这增加了边缘强度，使其与原始图像相比得到增强。

以下是Sobel算子的水平模板：

上述模板将查找水平方向的边缘，这是因为零列位于水平方向。当您将此模板与图像进行卷积时，它会在图像中突出显示水平边缘。唯一的区别是它在第一行和第三行的中心元素为2和-2。

此模板将突出显示图像中的水平边缘。它也基于上述模板的原理，计算特定边缘的像素强度差异。由于模板的中心行由零组成，因此它不包含图像中边缘的原始值，而是计算特定边缘的上下像素强度差异。从而增加了强度的突然变化，使边缘更清晰可见。

现在是时候看看这些模板的实际效果了

以下是我们将一次应用上述两个模板的示例图片。

将垂直模板应用于上述示例图像后，将获得以下图像。

将水平模板应用于上述示例图像后，将获得以下图像。

您可以看到，在我们应用垂直模板的第一张图片中，所有垂直边缘都比原始图像更清晰。同样，在第二张图片中，我们应用了水平模板，结果所有水平边缘都清晰可见。

因此，您可以看到我们可以检测图像中的水平和垂直边缘。此外，如果您将Sobel算子的结果与Prewitt算子的结果进行比较，您会发现Sobel算子找到的边缘更多，或者使边缘比Prewitt算子更清晰可见。

这是因为在Sobel算子中，我们为边缘周围的像素强度分配了更大的权重。

现在我们还可以看到，如果我们对模板应用更大的权重，它将为我们获得更多的边缘。如教程开头所述，Sobel算子没有固定的系数，因此这里还有另一个加权算子：

如果您将此模板的结果与Prewitt垂直模板的结果进行比较，很明显，此模板将比Prewitt模板产生更多的边缘，这仅仅是因为我们在模板中分配了更大的权重。

打印页面