首頁 > 資訊 > 問答 > sobel算子，幫我解釋個C程序Sobel算子

sobel算子，幫我解釋個C程序Sobel算子

來源：整理時間：2023-08-25 16:06:52 編輯：智能門戶手機(jī)版

本文目錄一覽

1，幫我解釋個C程序Sobel算子
2，sobel算子對應(yīng)的模板形式有哪兩種
3，sobel 算子和 canndy 算子的區(qū)別
4，Sobel和Kirsch算子的優(yōu)缺點(diǎn)
5，Sobel算子的算子描述
6，Sobel算子是什么

1，幫我解釋個C程序Sobel算子

RSA算法非常簡單，概述如下：找兩素數(shù)p和q取n=p*q取t=(p-1)*(q-1)取任何一個數(shù)e,要求滿足e<t并且e與t互素（就是最大公因數(shù)為1）取d*e%t==1

你留個網(wǎng)號吧,我教你.再看看別人怎么說的。

幫我解釋個C程序Sobel算子

2，sobel算子對應(yīng)的模板形式有哪兩種

Sobel 算子有兩個，一個是檢測水平邊沿的；另一個是檢測垂直平邊沿的 Sobel算子另一種形式是各向同性Sobel(Isotropic Sobel)算子，也有兩個，一個是檢測水平邊沿的，另一個是檢測垂直平邊沿的。各向同性Sobel算子和普通Sobel算子相比，它的位置加權(quán)系數(shù)更為準(zhǔn)確，在檢測不同方向的邊沿時梯度的幅度一致。

sobel算子對應(yīng)的模板形式有哪兩種

3，sobel 算子和 canndy 算子的區(qū)別

我覺得你這個說法就有問題，sobel邊緣檢測運(yùn)用sobel算子，就是3×3或者5×5等等之類的矩陣，canny是在sobel算法的基礎(chǔ)上加以改進(jìn)，并沒有canny算子，canny算法的邊緣檢測部分就是sobel算法。

計算機(jī)視覺領(lǐng)域的一種重要處理方法。主要用于獲得數(shù)字圖像的一階梯度，常見的應(yīng)用和物理意義是邊緣檢測。在技術(shù)上，它是一個離散的一階差分算子，用來計算圖像亮度函數(shù)的一階梯度之近似值。在圖像的任何一點(diǎn)使用此算子，將會產(chǎn)生該點(diǎn)對應(yīng)的梯度矢量或是其法矢量。

sobel 算子和 canndy 算子的區(qū)別

4，Sobel和Kirsch算子的優(yōu)缺點(diǎn)

Soble算子對噪聲有抑制作用，因此不會出現(xiàn)很多孤立的邊緣像素點(diǎn)。Sobel算子對邊緣的定位不是很準(zhǔn)確，圖像的邊界寬度往往不止一個像素，不適合于對邊緣定位的準(zhǔn)確性要求很高的應(yīng)用。Prewitt算子：對噪聲有抑制作用，抑制噪聲的原理是通過像素平均，但是像素平均相當(dāng)于對圖像的低通濾波，所以Prewitt算子對邊緣的定位不如Roberts算子。該算子與Sobel算子類似，只是權(quán)值有所變化，但兩者實(shí)現(xiàn)起來功能還是有差距的，據(jù)網(wǎng)上查閱資料得知Sobel要比Prewitt更能準(zhǔn)確檢測圖像邊緣。

你說呢...

5，Sobel算子的算子描述

在邊緣檢測中，常用的一種模板是Sobel 算子。Sobel 算子有兩個，一個是檢測水平邊緣的；另一個是檢測垂直邊緣的。與Prewitt算子相比，Sobel算子對于象素的位置的影響做了加權(quán)，可以降低邊緣模糊程度，因此效果更好。Sobel算子另一種形式是各向同性Sobel(Isotropic Sobel)算子，也有兩個，一個是檢測水平邊緣的，另一個是檢測垂直邊緣的。各向同性Sobel算子和普通Sobel算子相比，它的位置加權(quán)系數(shù)更為準(zhǔn)確，在檢測不同方向的邊沿時梯度的幅度一致。將Sobel算子矩陣中的所有2改為根號2，就能得到各向同性Sobel的矩陣。由于Sobel算子是濾波算子的形式，用于提取邊緣，可以利用快速卷積函數(shù)，簡單有效，因此應(yīng)用廣泛。美中不足的是，Sobel算子并沒有將圖像的主體與背景嚴(yán)格地區(qū)分開來，換言之就是Sobel算子沒有基于圖像灰度進(jìn)行處理，由于Sobel算子沒有嚴(yán)格地模擬人的視覺生理特征，所以提取的圖像輪廓有時并不能令人滿意。在觀測一幅圖像的時候，我們往往首先注意的是圖像與背景不同的部分，正是這個部分將主體突出顯示，基于該理論，我們給出了下面閾值化輪廓提取算法，該算法已在數(shù)學(xué)上證明當(dāng)像素點(diǎn)滿足正態(tài)分布時所求解是最優(yōu)的。

6，Sobel算子是什么

C＋＋Builder下的sobel算子的程序如下:/// <summary> /// 按 Sobel 算子進(jìn)行邊緣檢測 /// </summary> /// <param name= "b "> 位圖流 </param> /// <returns> </returns> public Bitmap Sobel(Bitmap b) Matrix3x3 m = new Matrix3x3(); // -1 -2 -1 // 0 0 0 // 1 2 1 m.Init(0); m.TopLeft = m.TopRight = -1; m.BottomLeft = m.BottomRight = 1; m.TopMid = -2; m.BottomMid = 2; Bitmap b1 = m.Convolute((Bitmap)b.Clone()); // -1 0 1 // -2 0 2 // -1 0 1 m.Init(0); m.TopLeft = m.BottomLeft = -1; m.TopRight = m.BottomRight = 1; m.MidLeft = -2; m.MidRight = 2; Bitmap b2 = m.Convolute((Bitmap)b.Clone()); // 0 1 2 // -1 0 1 // -2 -1 0 m.Init(0); m.TopMid = m.MidRight = 1; m.MidLeft = m.BottomMid = -1; m.TopRight = 2; m.BottomLeft = -2; Bitmap b3 = m.Convolute((Bitmap)b.Clone()); // -2 -1 0 // -1 0 1 // 0 1 2 m.Init(0); m.TopMid = m.MidLeft = -1; m.MidRight = m.BottomMid = 1; m.TopLeft = -2; m.BottomRight = 2; Bitmap b4 = m.Convolute((Bitmap)b.Clone()); // 梯度運(yùn)算 b = Gradient(Gradient(b1, b2), Gradient(b3, b4)); b1.Dispose(); b2.Dispose(); b3.Dispose(); b4.Dispose(); return b; } // end of Sobel

在邊沿檢測中，常用的一種模板是Sobel 算子。Sobel 算子有兩個，一個是檢測水平邊沿的；另一個是檢測垂直平邊沿的。與和相比，Sobel算子對于象素的位置的影響做了加權(quán)，因此效果更好。Sobel算子另一種形式是各向同性Sobel(Isotropic Sobel)算子，也有兩個，一個是檢測水平邊沿的，另一個是檢測垂直平邊沿的。各向同性Sobel算子和普通Sobel算子相比，它的位置加權(quán)系數(shù)更為準(zhǔn)確，在檢測不同方向的邊沿時梯度的幅度一致。由于建筑物圖像的特殊性，我們可以發(fā)現(xiàn)，處理該類型圖像輪廓時，并不需要對梯度方向進(jìn)行運(yùn)算，所以程序并沒有給出各向同性Sobel算子的處理方法。由于Sobel算子是濾波算子的形式，用于提取邊緣，可以利用快速卷積函數(shù)，簡單有效，因此應(yīng)用廣泛。美中不足的是，Sobel算子并沒有將圖像的主體與背景嚴(yán)格地區(qū)分開來，換言之就是Sobel算子沒有基于圖像灰度進(jìn)行處理，由于Sobel算子沒有嚴(yán)格地模擬人的視覺生理特征，所以提取的圖像輪廓有時并不能令人滿意。在觀測一幅圖像的時候，我們往往首先注意的是圖像與背景不同的部分，正是這個部分將主體突出顯示，基于該理論，我們給出了下面閾值化輪廓提取算法，該算法已在數(shù)學(xué)上證明當(dāng)像素點(diǎn)滿足正態(tài)分布時所求解是最優(yōu)的。.NET代碼如下for(Times=0;Times<128&&iThreshold!=iNewThreshold;Times++) iThreshold=iNewThreshold; lP1=0; lP2=0; lS1=0; lS2=0; for(i=iMinGray;i<iThreshold;i++) lP1+=Histogram*i; lS1+=Histogram; } iMean1Gray=lP1/lS1; for(i=iThreshold;i<iMaxGray;i++) lP2+=Histogram*i; lS2+=Histogram; } iMean2Gray=lP2/lS2; iNewThreshold=(iMean1Gray+iMean2Gray)/2; }補(bǔ)充Sobel算子的矩陣表達(dá)式：Sobel1=[-1 -2 -1; %檢測水平邊沿的Sobel算子 0 0 0; 1 2 1];Sobel2=[-1 0 1; %檢測垂直平邊沿的Sobel算子 -2 0 2; -1 0 1];

c＋＋builder下的sobel算子的程序如下: /// /// 按 sobel 算子進(jìn)行邊緣檢測 /// /// 位圖流 /// public bitmap sobel(bitmap b) { matrix3x3 m = new matrix3x3(); // -1 -2 -1 // 0 0 0 // 1 2 1 m.init(0); m.topleft = m.topright = -1; m.bottomleft = m.bottomright = 1; m.topmid = -2; m.bottommid = 2; bitmap b1 = m.convolute((bitmap)b.clone()); // -1 0 1 // -2 0 2 // -1 0 1 m.init(0); m.topleft = m.bottomleft = -1; m.topright = m.bottomright = 1; m.midleft = -2; m.midright = 2; bitmap b2 = m.convolute((bitmap)b.clone()); // 0 1 2 // -1 0 1 // -2 -1 0 m.init(0); m.topmid = m.midright = 1; m.midleft = m.bottommid = -1; m.topright = 2; m.bottomleft = -2; bitmap b3 = m.convolute((bitmap)b.clone()); // -2 -1 0 // -1 0 1 // 0 1 2 m.init(0); m.topmid = m.midleft = -1; m.midright = m.bottommid = 1; m.topleft = -2; m.bottomright = 2; bitmap b4 = m.convolute((bitmap)b.clone()); // 梯度運(yùn)算 b = gradient(gradient(b1, b2), gradient(b3, b4)); b1.dispose(); b2.dispose(); b3.dispose(); b4.dispose(); return b; } // end of sobel