opencv-python常用函数解析及参数介绍（七）——边缘检测

前言

在之前的文章中我们介绍了使用膨胀和腐蚀、计算图像梯度的方式来获取图像的轮廓，本篇文章将介绍另外一种可以获取图像轮廓的方法——边缘检测

1.基本概念

首先我们来看一下边缘检测的基本过程

1) 滤波

使用高斯滤波器，以平滑图像，滤除噪声

H即为高斯分布的卷积核，初看上去似乎这个矩阵似乎很莫名其妙，但其实他的特征很明显，中间的数值要比周围的大，因为高斯滤波使用的卷积核是满足高斯分布，即正态分布的（是的，高斯分布就是正态分布）

关于高斯滤波的细节请参考之前的文章：opencv-python常用函数解析及参数介绍（三）——图像滤波

2) 计算梯度

计算图像中每个像素点的梯度强度和方向。

我们以3x3的sobel算子为例计算梯度<