scipy.ndimage.

sobel

scipy.ndimage.sobel(input, axis=-1, output=None, mode='reflect', cval=0.0)

计算一个 Sobel 滤波器。

参数:

输入array_like

输入数组。

轴int, 可选

计算 input 的轴。默认是 -1。

输出数组或数据类型，可选

要放置输出的数组，或返回数组的 dtype。默认情况下，将创建一个与输入具有相同 dtype 的数组。

模式str 或 序列, 可选

mode 参数决定了当滤波器跨越边界时输入数组如何扩展。通过传递一个长度等于输入数组维数的模式序列，可以沿着每个轴指定不同的模式。默认值是 ‘reflect’。有效值及其行为如下：

‘reflect’ (d c b a | a b c d | d c b a)

输入通过反射最后一个像素的边缘来扩展。这种模式有时也被称为半样本对称。

‘常量’ (k k k k | a b c d | k k k k)

输入通过填充边缘以外的所有值来扩展，这些值由 cval 参数定义为相同的常数值。

‘nearest’ (a a a a | a b c d | d d d d)

输入通过复制最后一个像素来扩展。

‘mirror’ (d c b | a b c d | c b a)

输入通过围绕最后一个像素的中心进行反射来扩展。这种模式有时也被称为全样本对称。

‘wrap’ (a b c d | a b c d | a b c d)

输入通过环绕到相对的边缘来扩展。

为了与插值函数保持一致，也可以使用以下模式名称：

‘网格常数’

这是“常量”的同义词。

‘grid-mirror’

这是“reflect”的同义词。

‘grid-wrap’

这是 ‘wrap’ 的同义词。

cval标量，可选

如果 mode 是 ‘constant’，则用于填充输入边缘之外的值。默认值为 0.0。

返回:

sobelndarray

过滤后的数组。与 input 具有相同的形状。

注释

此函数计算特定轴的 Sobel 梯度。水平边缘可以通过水平变换（axis=0）来强调，垂直边缘可以通过垂直变换（axis=1）来强调，更高维度的边缘也可以类似处理。这些可以结合起来给出幅度。

示例

Try it in your browser!

>>> from scipy import ndimage, datasets
>>> import matplotlib.pyplot as plt
>>> import numpy as np
>>> ascent = datasets.ascent().astype('int32')
>>> sobel_h = ndimage.sobel(ascent, 0)  # horizontal gradient
>>> sobel_v = ndimage.sobel(ascent, 1)  # vertical gradient
>>> magnitude = np.sqrt(sobel_h**2 + sobel_v**2)
>>> magnitude *= 255.0 / np.max(magnitude)  # normalization
>>> fig, axs = plt.subplots(2, 2, figsize=(8, 8))
>>> plt.gray()  # show the filtered result in grayscale
>>> axs[0, 0].imshow(ascent)
>>> axs[0, 1].imshow(sobel_h)
>>> axs[1, 0].imshow(sobel_v)
>>> axs[1, 1].imshow(magnitude)
>>> titles = ["original", "horizontal", "vertical", "magnitude"]
>>> for i, ax in enumerate(axs.ravel()):
...     ax.set_title(titles[i])
...     ax.axis("off")
>>> plt.show()

Go BackOpen In Tab