python+opencv图像处理——canny、sobel边缘检测

1.canny边缘检测

图像边缘信息主要集中在高频段，通常说图像锐化或检测边缘，实质就是高频滤波。
Canny算法实现分为以下几步：

图像灰度化
高斯模糊处理
图像梯度、梯度幅值、梯度方向计算
NMS（非极大值抑制）
双阈值的边界选取

运行代码如下：

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

# 读取图像
img = cv2.imread('D:\pythonb\chepai.jpg')
lenna_img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

#灰度化处理
grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#高斯滤波降噪
gaussian = cv2.GaussianBlur(grayImage, (3, 3), 0)

#腐蚀化
kernel = np.ones((5,5), np.uint8)
k_ys = cv2.morphologyEx(gaussian, cv2.MORPH_OPEN, kernel)

#Canny算子
Canny = cv2.Canny(k_ys, 50, 150)

#用来正常显示中文标签
plt.rcParams['font.sans-serif'] = ['SimHei']

#显示图形
titles = [u'原始图像', u'高斯滤波',u'Canny算子',]
images = [lenna_img, k_ys,Canny,]
for i in range(3):
    plt.subplot(2, 2, i + 1), plt.imshow(images[i], 'gray')
    plt.title(titles[i])
    plt.xticks([]), plt.yticks([])
plt.show()

运行结果如下：

2.sobel边缘检测

sobel算子检测原理参考博文：
Sobel算子使用两个（3x3）矩阵来对原图进行卷积运算以计算出两个方向的灰度差分（偏导）的估计值（一个水平方向、一个竖直方向）。我们假定A是原始图像（彩色图像需先转换为灰度图像），Gx和Gy分别是在横向及纵向的灰度偏导的近似值（即两个方向上对原图的平面卷积结果）。数学表达如下：

对应的计算过程如下：

Gx = [ f(x+1,y-1)+2f(x+1,y)+f(x+1,y+1)] -
[f(x-1,y-1)+2f(x-1,y)+f(x-1,y+1) ]
Gy = [ f(x-1,y-1) + 2f(x,y-1) + f(x+1,y-1)] -
[f(x-1, y+1) + 2*f(x,y+1)+f(x+1,y+1)

通过横向Gx和 纵向Gy的计算得到其梯度的估计值G和：
运行代码如下：

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

# 读取图像
img = cv2.imread('D:\pythonb\sobel.jpg')
lenna_img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# 灰度化处理图像
grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# Sobel算子
x = cv2.Sobel(grayImage, cv2.CV_16S, 1, 0)  # 对x求一阶导，垂直检测
y = cv2.Sobel(grayImage, cv2.CV_16S, 0, 1)  # 对y求一阶导，水平检测
absX = cv2.convertScaleAbs(x)
absY = cv2.convertScaleAbs(y)
Sobel = cv2.addWeighted(absX, 0.5, absY, 0.5, 0)

# 用来正常显示中文标签
plt.rcParams['font.sans-serif'] = ['SimHei']

#显示图形
titles = [u'原始图像', u'垂直检测',u'水平检测',u'sobel']
images = [lenna_img, absX, absY, Sobel]
for i in range(4):
    plt.subplot(2, 2, i + 1), plt.imshow(images[i], 'gray')
    plt.title(titles[i])
    plt.xticks([]), plt.yticks([])
plt.show()

运行结果如下：
原理叙述参考博文：[图像处理] Sobel边缘检测算法