为什么scipy.ndimage中的generic_filter会得到与opencv.Sobel不同的结果

Question

下面是测试代码

    import numpy as np
    import cv2
    from scipy.ndimage import generic_filter
    def sobel_x_filter(P):
        return (P[2] + 2 * P[6] + P[7]) - (P[0] + 2 * P[3] + P[6])
    matrix = np.ones((100, 100))
    matrix[1, 2] = 2
    cv2_result = cv2.Sobel(np.float32(matrix), cv2.CV_32F, 1, 0)
    generic_filter_result = generic_filter(matrix, sobel_x_filter, (3, 3))

cv2_result[1, :]是[ 0., 2., 0., -2., 0., ..., 0.]，

但是generic_filter_result[1, :]是[0., 0., 0., -2., 0., 0., 0., ..., 0.]。

我很困惑为什么结果会不一样，我尝试将函数generic_filter中的mode参数更改为mirror或wrap，但它仍然产生与以前相同的结果，并且与cv2.Sobel的结果不一致

Answer 1

我认为你的函数应该是：

def sobel_x_filter(P):
   return (P[2] + 2 * P[5] + P[8]) - (P[0] + 2 * P[3] + P[6])