031 Kirsch operate.py

import cv2
import numpy as np
from matplotlib import pyplot as plt

# 计算Kirsch 边沿检测算子

# 定义Kirsch 卷积模板
m1 = np.array([[5, 5, 5], [-3, 0, -3], [-3, -3, -3]])
m2 = np.array([[-3, 5, 5], [-3, 0, 5], [-3, -3, -3]])
m3 = np.array([[-3, -3, 5], [-3, 0, 5], [-3, -3, 5]])
m4 = np.array([[-3, -3, -3], [-3, 0, 5], [-3, 5, 5]])
m5 = np.array([[-3, -3, -3], [-3, 0, -3], [5, 5, 5]])
m6 = np.array([[-3, -3, -3], [5, 0, -3], [5, 5, -3]])
m7 = np.array([[5, -3, -3], [5, 0, -3], [5, -3, -3]])
m8 = np.array([[5, 5, -3], [5, 0, -3], [-3, -3, -3]])

img = cv2.imread("01a.jpg", 0)

# img = cv2.GaussianBlur(img,(3,3),5)

# 周围填充一圈
# 卷积时，必须在原图周围填充一个像素
img = cv2.copyMakeBorder(img, 1, 1, 1, 1, borderType=cv2.BORDER_REPLICATE)
temp = list(range(8))
img1 = np.zeros(img.shape)  # 复制空间  此处必须的重新复制一块和原图像矩阵一样大小的矩阵，以保存计算后的结果

for i in range(1, img.shape[0] - 1):
    for j in range(1, img.shape[1] - 1):
        temp[0] = np.abs((np.dot(np.array([1, 1, 1]), (m1 * img[i - 1:i + 2, j - 1:j + 2]))).dot(np.array([[1], [1], [1]])))
        # 利用矩阵的二次型表达，可以计算出矩阵的各个元素之和
        # 矩阵乘法：np.dot(a,b) 或 np.matmul(a,b) 或 a.dot(b)
        # a*b，在 np.array 中重载为元素乘法，在 np.matrix 中重载为矩阵乘法
        temp[1] = np.abs(
            (np.dot(np.array([1, 1, 1]), (m2 * img[i - 1:i + 2, j - 1:j + 2]))).dot(np.array([[1], [1], [1]])))

        temp[2] = np.abs((np.dot(np.array([1, 1, 1]), (m1 * img[i - 1:i + 2, j - 1:j + 2]))).dot(np.array([[1], [1], [1]])))

        temp[3] = np.abs(
            (np.dot(np.array([1, 1, 1]), (m3 * img[i - 1:i + 2, j - 1:j + 2]))).dot(np.array([[1], [1], [1]])))

        temp[4] = np.abs(
            (np.dot(np.array([1, 1, 1]), (m4 * img[i - 1:i + 2, j - 1:j + 2]))).dot(np.array([[1], [1], [1]])))

        temp[5] = np.abs(
            (np.dot(np.array([1, 1, 1]), (m5 * img[i - 1:i + 2, j - 1:j + 2]))).dot(np.array([[1], [1], [1]])))

        temp[6] = np.abs(
            (np.dot(np.array([1, 1, 1]), (m6 * img[i - 1:i + 2, j - 1:j + 2]))).dot(np.array([[1], [1], [1]])))

        temp[7] = np.abs(
            (np.dot(np.array([1, 1, 1]), (m7 * img[i - 1:i + 2, j - 1:j + 2]))).dot(np.array([[1], [1], [1]])))

        img1[i, j] = np.max(temp)

        if img1[i, j] > 255:  # 此处的阈值一般写255，根据实际情况选择0~255之间的值
            img1[i, j] = 255
        else:
            img1[i, j] = 0

cv2.imshow("1", img1)
print(img.shape)
cv2.waitKey(0)