scipy.ndimage.

sobel#

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

计算 Sobel 滤波器。

参数：:

inputarray_like

输入数组。

axisint, 可选

input 计算所沿的轴。默认值为 -1。

output数组或 dtype，可选

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

modestr 或序列，可选

mode 参数决定当过滤器与边界重叠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，可以在每个轴上指定不同的模式。默认值为 'reflect'。有效值及其行为如下

‘reflect’ (d c b a | a b c d | d c b a): 通过关于最后一个像素的边缘反射来扩展输入。这种模式有时也被称为半样本对称。
‘constant’ (k k k k | a b c d | k k k k): 通过用由 cval 参数定义的相同常数值填充边缘之外的所有值来扩展输入。
‘nearest’ (a a a a | a b c d | d d d d): 通过复制最后一个像素来扩展输入。
‘mirror’ (d c b | a b c d | c b a): 通过关于最后一个像素中心的反射来扩展输入。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): 通过环绕到另一侧来扩展输入。

为了与插值函数保持一致，还可以使用以下模式名称

‘grid-constant’: 这是 'constant' 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 为 'constant'，则用于填充输入边缘之外的值。默认值为 0.0。

返回值：:

sobelndarray: 经过滤波的数组。与 input 具有相同的形状。

备注

此函数计算轴特定的 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，依此类推，适用于更高维度。这些可以组合起来得到幅度。

示例

>>> 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()