gpt4 book ai didi

python - python-Opencv 或 numpy 中的非 sobel 离散梯度

转载 作者:太空宇宙 更新时间:2023-11-03 22:01:13 27 4
gpt4 key购买 nike

我想根据以下掩码计算二维 numpy 图像数组的离散 X 和 Y 梯度数组:

import numpy as np
mx = np.array([[-1, 0, 1]])
my = np.array([[-1, 0, 1]]).T

我查看了 opencv 文档,除了 Sobel 运算符之外没有发现我不感兴趣的任何内容。使用纯 numpy 或 numpy 和 opencv/cv2 计算所述梯度的最快方法是什么?

最佳答案

知道了,只需像这样使用 cv2.filter2D:

import numpy as np
import cv2

mx = np.array([[-1, 0, 1]])
my = np.array([[-1, 0, 1]]).T
im = np.array([[1, 2, 3, 4, 5],
[2, 3, 4, 5, 6],
[3, 4, 5, 6, 7],
[4, 5, 6, 7, 8],
[5, 6, 7, 8, 9],]).astype(np.uint8)

gx = cv2.filter2D(im, cv2.CV_32F, mx)
gy = cv2.filter2D(im, cv2.CV_32F, my)

print gx.shape
print gx.dtype
print gx

给出:

(5, 5)
float32
[[ 0. 2. 2. 2. 0.]
[ 0. 2. 2. 2. 0.]
[ 0. 2. 2. 2. 0.]
[ 0. 2. 2. 2. 0.]
[ 0. 2. 2. 2. 0.]]

可在以下位置找到文档:http://docs.opencv.org/modules/imgproc/doc/filtering.html#filter2d

关于python - python-Opencv 或 numpy 中的非 sobel 离散梯度,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/21233043/

27 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com