目录
边缘检测
边缘检测：边缘检测指的是灰度发生剧烈变化的位置，边缘检测的目的是制作一个线图，在不会损害图像内容的情况下，大大减少图像的数据量，提供对图像数据的合适概述。
Sobel算子
其中Gx表示x方向的Sobel算子，用于检测y方向的边缘； Gy表示y方向的Sobel算子，用于检测x方向的边缘（边缘方向和梯度方向垂直）。
原型
Sobel算子依然是一种过滤器，只是其是带有方向的。在OpenCV-Python中，使用Sobel的算子的函数原型如下：
Sobel_x_or_y = cv2.Sobel(src, ddepth, dx, dy, dst, ksize, scale, delta, borderType)参数：第一个参数是需要处理的图像；第二个参数是图像的深度，-1表示采用的是与原图像相同的深度。目标图像的深度必须大于等于原图像的深度；dx和dy表示的是求导的阶数，0表示这个方向上没有求导，一般为0、1、2。
代码
import osimport cv2import matplotlib.pyplot as pltimg = cv2.imread('./image/lena_50.jpg') # 读取图像img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转化为灰度图blur = cv2.GaussianBlur(img_gray, (3, 3), 0) # 高斯滤波处理原图像降噪x = cv2.Sobel(blur, cv2.CV_16S, 1, 0) # Sobel函数求完导数后会有负值，还有会大于255的值y = cv2.Sobel(blur, cv2.CV_16S, 0, 1) # 使用16位有符号的数据类型，即cv2.CV_16SScale_absX = cv2.convertScaleAbs(x) # 转回uint8Scale_absY = cv2.convertScaleAbs(y)sobel_image = cv2.addWeighted(Scale_absX, 0.5, Scale_absY, 0.5, 0)cv2.imshow('lena_50', img)# cv2.imshow("absX_process", Scale_absX)# cv2.imshow("absY_process", Scale_absY)cv2.imshow('sobel_xy_process', sobel_image)cv2.waitKey(0)cv2.destroyAllWindows()
在Sobel函数的第二个参数这里使用了cv2.CV_16S。因为OpenCV文档中对Sobel算子的介绍中有这么一句：“in the case of 8-bit input images it will result in truncated derivatives”。即Sobel函数求完导数后会有负值，还有会大于255的值。而原图像是uint8，即8位无符号数，所以Sobel建立的图像位数不够，会有截断。因此要使用16位有符号的数据类型，即cv2.CV_16S。
在经过处理后，别忘了用convertScaleAbs()函数将其转回原来的uint8形式。否则将无法显示图像，而只是一副灰色的窗口。convertScaleAbs()的原型为：
结果
原图：
Sobel算子处理后得到图像：
canny算子
流程
Canny边缘检测算法可以分为以下5个步骤：
使用高斯滤波器，以平滑图像，滤除噪声。计算图像中每个像素点的梯度强度和方向。应用非极大值（Non-Maximum Suppression）抑制，以消除边缘检测带来的杂散响应。应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。通过抑制孤立的弱边缘最终完成边缘检测。
具体原理细节可参考：边缘检测之Canny
原型
canny = cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient ]]])参数：第一个参数 处理的原图像，该图像必须为单通道的灰度图；第二个参数 最小阈值；第三个参数 最大阈值。
代码
import cv2import matplotlib.pyplot as pltimg = cv2.imread('./image/lena_50.jpg') # 读取图像img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转化为灰度图blur = cv2.GaussianBlur(img_gray, (3, 3), 0) # 高斯滤波处理原图像降噪canny_image = cv2.Canny(blur, 50, 150)cv2.imwrite('./image/canny_image.jpg', canny_image)cv2.imshow('lena_50', img)cv2.imshow('canny_process', canny_image)cv2.waitKey(0)cv2.destroyAllWindows()
结果
原图：
Sobel算子处理后得到图像：
