Python Sobel滤波器的结果很差

我试图用python实现sobel过滤器，但是输出很差，充满了噪声。 我得到的输出图像是：

我给出的输入是（模糊后）：

sobel过滤器的代码如下：

def sobel_filters(img):
  Kx = np.array([[-1, 0, 1], [-2, 0, 2], [-1, 0, 1]])
  Ky = np.array([[1, 2, 1], [0, 0, 0], [-1, -2, -1]])

  Ix = ndimage.filters.convolve(img, Kx)
  Iy = ndimage.filters.convolve(img, Ky)

  G = np.sqrt(np.square(Ix) + np.square(Iy))
  G *= 255.0 / G.max()
  

  return G

我用sigma=1.3模糊了结果。输入图像大小为512 x 512。

---

我希望输出与这里显示的类似：

这里有一种在Python/OpenCV中实现这一点的方法。你的问题是你的衍生品没有正确的标准化，应该作为浮动进行处理。您的规范化也不考虑负值。在这个答案中，我使用了OpenCV内置的Sobel和其他方法。因此，没有必要引入scipy.ndimage

输入：

Sobel X（标准化）：

Sobel Y（标准化）：

索贝尔震级：

---

以下是使用浮点图像和Python/OpenCV中的适当规范化来实现这一点的方法。如果没有浮动数据，则只能得到单边导数（不包括正结果和负结果）

正如Cris Luengo所指出的，您答案中的导数相对于OpenCV中的标准导数是错误的。参考文献中的导数用于适当的卷积。但Scipy同时具有卷积和相关性。事实上，大多数“卷积”都是相关性。（OpenCV cv2.filter2D就是这样。该函数实际上计算相关性，而不是卷积）。因此，我修正了内核，使其与OpenCV Sobel中的内容或cv2.filter2D（）使用的内容一致。卷积和相关性通过转置进行关联。看

输入：

Sobel X（标准化）：

Sobel Y（标准化）：

索贝尔震级：

---

谢谢克里斯。我没有注意到这一问题的迹象。他从他试图复制的链接中得到了这些值。在其中一个例子中，我回答他为什么他的代码不起作用。在另一个例子中，我向他展示了我是如何使用OpenCVCris完成的对不起，当我试图更改规范化时，我重写了错误的答案，然后决定将其放回原处。我不想修理他的索贝尔果仁，因为他是从他列出的参考资料中得到的。但你的观点被很好地理解了，很高兴你指出了这一点。希望他能理解。然而，由于震级考虑了绝对值之和，我认为震级不重要。当然，X和Y导数图像的边缘极性会发生变化。克里斯，我已经编辑了我的答案，以显示正确的内核和图像。并对卷积和相关性给出更好的解释。您发布的链接没有使用正确的Sobel内核。关注维基百科页面，这是正确的：非常感谢！它起作用了！我实际上是在使用我自己的高斯模糊实现，并将结果存储在int8中。转换后，它工作！另外，请注意，您的实现中存在一些错误：在sobely_norm变量中，您使用了相同的参数Ix而不是Iy

import cv2
import numpy as np
import skimage.exposure as exposure

# read the image
img = cv2.imread('gray_lena.png')

# convert to gray
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# blur
blur = cv2.GaussianBlur(gray, (0,0), 1.3, 1.3)

# apply sobel derivatives
sobelx = cv2.Sobel(blur,cv2.CV_64F,1,0,ksize=3)
sobely = cv2.Sobel(blur,cv2.CV_64F,0,1,ksize=3)

# optionally normalize to range 0 to 255 for proper display
sobelx_norm= exposure.rescale_intensity(sobelx, in_range='image', out_range=(0,255)).clip(0,255).astype(np.uint8)
sobely_norm= exposure.rescale_intensity(sobelx, in_range='image', out_range=(0,255)).clip(0,255).astype(np.uint8)

# square 
sobelx2 = cv2.multiply(sobelx,sobelx)
sobely2 = cv2.multiply(sobely,sobely)

# add together and take square root
sobel_magnitude = cv2.sqrt(sobelx2 + sobely2)

# normalize to range 0 to 255 and clip negatives
sobel_magnitude = exposure.rescale_intensity(sobel_magnitude, in_range='image', out_range=(0,255)).clip(0,255).astype(np.uint8)

# save results
cv2.imwrite('gray_lena_sobelx_norm.jpg', sobelx_norm)
cv2.imwrite('gray_lena_sobely_norm.jpg', sobely_norm)
cv2.imwrite('gray_lena_sobel_magnitude.jpg', sobel_magnitude)

# show results
cv2.imshow('sobelx_norm', sobelx_norm)  
cv2.imshow('sobely_norm', sobely_norm)  
cv2.imshow('sobel_magnitude', sobel_magnitude)  
cv2.waitKey(0)
cv2.destroyAllWindows()

import cv2
import numpy as np
import scipy.ndimage as ndimage
import skimage.exposure as exposure

# read the image and convert to float
img = cv2.imread('gray_lena.png').astype(np.float32)

# convert to gray
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# blur
blur = cv2.GaussianBlur(gray, (0,0), 1.3, 1.3)

# define Sobel X and Y (correlation) kernels
Kx = np.array([[-1, 0, 1], 
               [-2, 0, 2], 
               [-1, 0, 1]])

Ky = np.array([[-1, -2, -1], 
               [ 0,  0,  0], 
               [ 1,  2,  1]])

# apply correlations and normalize by sum of absolute values of elements
sobelx = ndimage.filters.correlate(blur, Kx)
sobely = ndimage.filters.correlate(blur, Ky)

#OpenCV alternate:
#sobelx = cv2.filter2D(blur, cv2.CV_32F, Kx)
#sobely = cv2.filter2D(blur, cv2.CV_32F, Ky)

# optionally normalize to range 0 to 255 for proper display and saving as 8-bit data.
sobelx_norm= exposure.rescale_intensity(sobelx, in_range='image', out_range=(0,255)).clip(0,255).astype(np.uint8)
sobely_norm= exposure.rescale_intensity(sobelx, in_range='image', out_range=(0,255)).clip(0,255).astype(np.uint8)

# add and take square root
sobel_magnitude = np.sqrt(np.square(sobelx) + np.square(sobely))

# normalize to range 0 to 255 and clip negatives
sobel_magnitude = exposure.rescale_intensity(sobel_magnitude, in_range='image', out_range=(0,255)).clip(0,255).astype(np.uint8)

# save results
cv2.imwrite('gray_lena_sobelx_norm2.jpg', sobelx_norm)
cv2.imwrite('gray_lena_sobely_norm2.jpg', sobely_norm)
cv2.imwrite('gray_lena_sobel_magnitude2.jpg', sobel_magnitude)

# show results
cv2.imshow('sobelx_norm', sobelx_norm)  
cv2.imshow('sobely_norm', sobely_norm)  
cv2.imshow('sobel_magnitude', sobel_magnitude)  
cv2.waitKey(0)
cv2.destroyAllWindows()