使用sobel 计算图像的梯度,调用torch和CV2实现,可以在pytorch代码中直接使用

OpenCV边缘检测Canny算子sobel算子scharr滤波等代码例子 ide环境VS2015,OpenCV3.4.9,编程语言C++

通过定义sobel算子，对图像的各像素通过选定区域的卷积，得到相应像素点的X方向和Y方向的梯度，再利用梯度得到相应的计算内容，可以计算图像像素点的法线方向。

windows窗体应用程序，可以打开图像文件实现处理和保存，可以直接调整阈值。

canny算子、sobel算子边缘检测的python代码实现

为了提高一键式检测中图像匹配精度和速度，提出一种基于轮廓曲线的快速高精度图像配准算法:根据定义的图像匹配差异度度量，采用图像金字塔搜索匹配策略，利用相应的相似性度量进行图像匹配。具体流程为:对采集图像和模板分别建立图像金字塔，对每层图像和模板使用sobel算子提取边缘。对顶层图像使用归一化角点距离矩阵与模板进行粗匹配，然后使用同心圆划分法进行细匹配，获取精确位置后映射至金字塔下一层，再次使用同心圆方法细匹配获取精确位置，目标坐标逐层向下映射，最终获取原图中目标的真实位置。实验表明该方法提升了一键式测量仪的匹配速度和匹配精度，而且不受遮挡、非线性光照变化、对比度低、全局对比度反转、局部对比度反转等情响。减少测量准备时间，提升了一键式测量仪的性能。

基于FPGA的视频图像处理之sobel算子边缘检测算法的实现

图像分割任务中，传统的基于人工设计特征方法工作量大、复杂度高、分割精度较低，现有的基于全卷积神经网络（fully convolutional networks，FCN）的方法在分割边缘上不够精细。为了提高图像分割算法的分割精度，提出基于多源融合的全卷积神级网络模型，输入图片经过Sobel算子提取边缘特征获得特征矩阵，与RGB和灰度图像一起作为输入，将传统全卷积网络拓展成具有多种输入源的分割模型。在PASCAL VOC2012图像分割数据集上进行实验验证，结果显示该模型提高了图像分割的精度，具有良好的实时性和鲁棒性。

本次文档，实现了对canny算子、sobel算子、laplacian算子等多种算子的边缘提取对比，使用的MATLAB实现

基于sobel算子的MATLAB 实现，自己编写的，每调用函数，希望对大家有用。