scipy.ndimage.

sobel#

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

计算 Sobel 滤波器。

参数：

inputarray_like

输入数组。

axisint, 可选

计算所沿的 input 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，将创建与输入相同 dtype 的数组。

modestr 或序列，可选

当滤波器与边界重叠时，mode 参数确定如何扩展输入数组。通过传递长度等于输入数组维数的模式序列，可以沿每个轴指定不同的模式。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): 通过反射最后一个像素的边缘来扩展输入。此模式有时也称为半采样对称。
‘constant’ (k k k k | a b c d | k k k k): 通过用相同的常数值填充边缘以外的所有值来扩展输入，该常数值由 cval 参数定义。
‘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): 通过反射最后一个像素的中心来扩展输入。此模式有时也称为全采样对称。
‘wrap’ (a b c d | a b c d | a b c d): 通过环绕到相对边缘来扩展输入。

为了与插值函数保持一致，也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”，则填充输入边缘以外的值。默认为 0.0。

返回：

sobelndarray: 已过滤的数组。具有与 input 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）强调，垂直边缘可以通过垂直变换（axis=1）强调，依此类推，对于更高维度也是如此。可以将这些组合起来以给出幅度。

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()