エッジ抽出フィルタ比較、ソーベル（Sobel）フィルタとラプラシアンフィルタの効果の違い

今回は、OpenCV等に実装されている3種類のエッジ抽出フィルタ

1. Prewittフィルタ
2. Sobelフィルタ
3. Laplacianフィルタ

の3種類のフィルタを試し、その効果を比較・検証してみたいと思います。

各フィルタの詳細

各フィルタの詳細については、過去の記事にて紹介しておりますので、それぞれのページをご覧ください。いずれもエッジ抽出効果のあるフィルタとなります。

OpenCVのSobelフィルタでエッジ抽出（C++での実装）

今回は、OpenCVでフィルタを使って画像のエッジ抽出をしてみました。 エッジ抽出に使われるフィルタはPrewittフィルタやSob...

tecsingularity.com

2020-05-03 23:41

ラプラシアンフィルタで画像のエッジ抽出（PythonとOpenCVによる実装）

本日はラプラシアンフィルタという画像のディジタルフィルタを紹介し、ラプラシアンフィルタの効果であるエッジの抽出を行うプログラムを紹介してみ...

tecsingularity.com

2022-05-10 22:00

エッジ抽出効果検証用プログラム（Pythonでの実装）

画像に各フィルタを適用するプログラムを以下で紹介します。

ソースコード

動作環境：OpenCV 4.5.5

	import numpy as np
	import cv2
	import sys
	def main():
	print("OpenCV Version: " + str(cv2.__version__))
	# Loading image data (GRAYSCALE)
	filename = "image.png"
	image = cv2.imread(filename, cv2.IMREAD_GRAYSCALE)
	if image is None:
	print("Cannot find image data : " + filename)
	sys.exit()
	# Sobel filter (horizontal & vertical)
	image_sobel = sobel(image)
	# Prewitt filter (horizontal & vertical)
	image_prewitt = prewitt(image)
	# Prewitt filter (horizontal & vertical)
	image_laplacian = laplacian_eight_neighbours(image)
	# Saving image
	cv2.imwrite('image_sobel.png',image_sobel)
	cv2.imwrite('image_prewitt.png',image_prewitt)
	cv2.imwrite('image_laplacian.png',image_laplacian)
	def sobel_horizontal(image):
	kernel_sobel_h = np.array([[-1, -2, -1],
	[0, 0, 0],
	[1, 2, 1]])
	image_output = cv2.filter2D(image, cv2.CV_64F, kernel_sobel_h)
	return image_output
	def sobel_vertical(image):
	kernel_sobel_v = np.array([[-1, 0, 1],
	[-2, 0, 2],
	[-1, 0, 1]])
	image_output = cv2.filter2D(image, cv2.CV_64F, kernel_sobel_v)
	return image_output
	def sobel(image):
	image_h = sobel_horizontal(image)
	image_v = sobel_vertical(image)
	image_output = np.sqrt(image_h ** 2 + image_v ** 2)
	return image_output
	def prewitt_horizontal(image):
	kernel_prewitt_h = np.array([[-1, -1, -1],
	[0, 0, 0],
	[1, 1, 1]])
	image_output = cv2.filter2D(image, cv2.CV_64F, kernel_prewitt_h)
	return image_output
	def prewitt_vertical(image):
	kernel_prewitt_v = np.array([[-1, 0, 1],
	[-1, 0, 1],
	[-1, 0, 1]])
	image_output = cv2.filter2D(image, cv2.CV_64F, kernel_prewitt_v)
	return image_output
	def prewitt(image):
	image_h = prewitt_horizontal(image)
	image_v = prewitt_vertical(image)
	image_output = np.sqrt(image_h ** 2 + image_v ** 2)
	return image_output
	def laplacian_eight_neighbours(image):
	kernel_lap8 = np.array([[1, 1, 1],
	[1, -8, 1],
	[1, 1, 1]])
	image_output = cv2.filter2D(image, cv2.CV_64F, kernel_lap8)
	return image_output
	if __name__ == "__main__":
	main()

view raw ImageEdgeExtractor.py hosted with by GitHub

エッジ抽出結果

あまり大きな差はないですが、Sobelフィルタが一番エッジがくっきり太く現れている感じがします。一方、ラプラシアンフィルタで抽出されるエッジは細線化される傾向にありました。

Prewittフィルタ

上が入力画像、下がフィルタ適用結果です。

Sobelフィルタ

上が入力画像、下がフィルタ適用結果です。

Laplacianフィルタ

上が入力画像、下がフィルタ適用結果です。

まとめ

3種類のエッジ強調フィルタについて、結果の比較を行いました。どのフィルタを用いてもエッジ抽出自体はできそうですが、出力結果に関しては違いがあるため、アプリケーションに応じて適したフィルタを選択する必要がありそうです。