Python 寻找图像中相应边缘的边缘矩阵 我在Andrew Ng的计算机视觉上追随这一点，我试图弄清楚他是如何找到对应于特定线的矩阵的。 他说垂直边缘检测矩阵是： [1 0 -1 1 0 -1 1 0 -1]

我怎样才能知道矩阵会给我什么样的角线？ 例如，如果我正在寻找一条水平线，或者一条45/30度的线，我将如何找到矩阵

更新：
我用3个不同的角度测试了Amird的函数：45、90和180

#Convolve function for convolving a filter on an image
# import the necessary packages
from skimage.exposure import rescale_intensity
import numpy as np
import argparse
import cv2
def convolve(image, kernel):
    # grab the spatial dimensions of the image, along with
    # the spatial dimensions of the kernel
    (iH, iW) = image.shape[:2]
    (kH, kW) = kernel.shape[:2]
    # allocate memory for the output image, taking care to
    # "pad" the borders of the input image so the spatial
    # size (i.e., width and height) are not reduced
    pad = (kW - 1) // 2
    image = cv2.copyMakeBorder(image, pad, pad, pad, pad,
        cv2.BORDER_REPLICATE)
    output = np.zeros((iH, iW), dtype="float32")
    # loop over the input image, "sliding" the kernel across
    # each (x, y)-coordinate from left-to-right and top to
    # bottom
    for y in np.arange(pad, iH + pad):
        for x in np.arange(pad, iW + pad):
            # extract the ROI of the image by extracting the
            # *center* region of the current (x, y)-coordinates
            # dimensions
            roi = image[y - pad:y + pad + 1, x - pad:x + pad + 1]
            # perform the actual convolution by taking the
            # element-wise multiplicate between the ROI and
            # the kernel, then summing the matrix
            k = (roi * kernel).sum()
            # store the convolved value in the output (x,y)-
            # coordinate of the output image
            output[y - pad, x - pad] = k
    # rescale the output image to be in the range [0, 255]
    output = rescale_intensity(output, in_range=(0, 255))
    output = (output * 255).astype("uint8")
    # return the output image
    return output


import matplotlib.pyplot as plt
#original image
image = cv2.imread('circle.jpg')

plt.figure(figsize=(10,10))
plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
# as opencv loads in BGR format by default, we want to show it in RGB.
plt.show()

180度输出：

90度输出：

---

45度角的输出图像看起来相同。我试了几张照片，看起来也一样。因此，我不确定是否遗漏了什么，但该函数似乎输出了45、90和180度角的类似结果。

考虑黑白图像。什么是线？在垂直线上缩放时，会出现从左到右（或从右到左）的对比度

因此，在图像中的实体区域（没有边缘），该卷积滤波器生成0（因为1s和-1s相互抵消）。但是当滤波器到达直线时，卷积产生一个大的正值或负值

它可用于使用其中一个过滤器检测水平线（假设过滤器的尺寸为3x3）：

为了概括这个想法，一个

3x3

窗口对于其他度数来说不够大。最好将卷积滤波器的尺寸扩大到其他程度。例如，对于大小为5的45度卷积滤波器，可以使用：

  0  0  0  1  0 
  0  0  1  0 -1
  0  1  0 -1  0
  1  0 -1  0  0
  0  -1 0  0  0

要使用随机度值创建过滤器，可以使用以下函数：

将numpy导入为np
def创建过滤器（过滤器大小、度）：
过滤器=np.零（（2*过滤器大小+1，2*过滤器大小+1））
特萨=（度/180）*np.pi
对于范围内的x（-filter\u size，filter\u size+1）：
y=int（x*np.tan（特塔））
如果np.abs（y）+1考虑黑白图像。什么是线？在垂直线上缩放时，会出现从左到右（或从右到左）的对比度

因此，在图像中的实体区域（没有边缘），该卷积滤波器生成0（因为1s和-1s相互抵消）。但是当滤波器到达直线时，卷积产生一个大的正值或负值

它可用于使用其中一个过滤器检测水平线（假设过滤器的尺寸为3x3）：

为了概括这个想法，一个
3x3
窗口对于其他度数来说不够大。最好将卷积滤波器的尺寸扩大到其他程度。例如，对于大小为5的45度卷积滤波器，可以使用：

  0  0  0  1  0 
  0  0  1  0 -1
  0  1  0 -1  0
  1  0 -1  0  0
  0  -1 0  0  0

要使用随机度值创建过滤器，可以使用以下函数：

将numpy导入为np
def创建过滤器（过滤器大小、度）：
过滤器=np.零（（2*过滤器大小+1，2*过滤器大小+1））
特萨=（度/180）*np.pi
对于范围内的x（-filter\u size，filter\u size+1）：
y=int（x*np.tan（特塔））
如果np.abs（y）+1感谢您的帮助！你如何从任何角度概括这个答案？从您的回答中，我发现我可能需要增加过滤器的尺寸（从3x3增加到更大的尺寸）。我明白了，但是如果我在找30度线呢？有没有一种方法可以在不放大图像的情况下找到它们，并找到过滤器的外观？@MaxK I刚刚为45度卷积过滤器添加了另一个示例。但对于其他度数，最好扩大过滤器的大小，以获得更好的分辨率。谢谢！请问你是怎么制作的？为了概括它，我试图理解这个过程。所以，如果我想要31度，我可以这样做。@MaxK你可以使用这个函数，你给出过滤器大小和度数，它会创建过滤器。看起来很棒！但如果可以的话，请看我的更新。还有，有没有一种方法可以找到更小的过滤器维度呢？谢谢你的帮助！你如何从任何角度概括这个答案？从您的回答中，我发现我可能需要增加过滤器的尺寸（从3x3增加到更大的尺寸）。我明白了，但是如果我在找30度线呢？有没有一种方法可以在不放大图像的情况下找到它们，并找到过滤器的外观？@MaxK I刚刚为45度卷积过滤器添加了另一个示例。但对于其他度数，最好扩大过滤器的大小，以获得更好的分辨率。谢谢！请问你是怎么制作的？为了概括它，我试图理解这个过程。所以，如果我想要31度，我可以这样做。@MaxK你可以使用这个函数，你给出过滤器大小和度数，它会创建过滤器。看起来很棒！但如果可以的话，请看我的更新。还有，有没有办法找到更小的过滤器尺寸？
 [1  1  1
  0  0  0
 -1 -1 -1]

#OR

 [-1 -1 -1
  0  0  0
  1  1  1] 

  0  0  0  1  0 
  0  0  1  0 -1
  0  1  0 -1  0
  1  0 -1  0  0
  0  -1 0  0  0