基于OpenCV的图像梯度与边缘检测！

↑↑↑关注后"星标"Datawhale

每日干货 & 每月组队学习，不错过

 Datawhale干货 

作者：姚童，Datawhale优秀学习者，华北电力大学

严格的说，梯度计算需要求导数。但是图像梯度的计算，是通过计算像素值的差得到梯度的近似值。图像梯度表示的是图像变化的速度，反映了图像的边缘信息。

边缘是像素值快速变化的地方。所以对于图像的边缘部分，其灰度值变化较大，梯度值也较大；对于图像中较平滑的部分，其灰度值变化较小，梯度值也较小。

为了检测边缘，我们需要检测图像中的不连续性，可以使用图像梯度来检测不连续性。但是，图像梯度也会受到噪声的影响，因此建议先对图像进行平滑处理。

本文目录：   

    1. 图像梯度与几种算子

• • Sobel算子

  • Scharr算子

  • Roberts算子

  • Laplacian算子

    2. Canny边缘检测

• • 高斯滤波

  • 计算梯度强度和方向

  • 非极大值抑制（NMS）

  • 用双阈值算法检测和连接边缘

    3. 基于OpenCV的实现

• • Sobel算子函数

  • Scharr算子

  • Laplacian算子

一、图像梯度与几种算子

“滤波器”也可以称为“卷积核”，“掩膜”，“算子”等。

1.1 Sobel算子

Sobel算子是一个3×3的卷积核，利用局部差分寻找边缘，计算得到梯度的近似值。x和y方向的Sobel算子分别为： 

梯度有方向，对于一个图像，可以通过Sobel算子分别计算水平方向和垂直方向的偏导数的近似值。

计算水平方向偏导数的近似值

设原图像大小为 ，水平方向偏导数 为：

计算像素点P5的梯度，需要利用邻域内的像素点，公式为：

即用像素点P5右侧像素值减去左侧像素值，距离P5近的点权重较大，为2；距离P5远的点权重较小，为1。

计算垂直方向偏导数的近似值

设原图像大小为 ，垂直方向偏导数 为：

计算像素点P5的梯度，需要利用邻域内的像素点，公式为：

即用像素点P5下一行的像素值减去上一行的像素值，距离P5近的点权重较大，为2；距离P5远的点权重较小，为1。

1.2 Scharr算子

x和y方向的Scharr算子分别为：