边缘检测学习笔记

一、sobel算子边缘检测

cv2.Sobel(src,ddepth,dx,dy,ksize=)
src:图像
ddepth:图像深度（CV_64F表示双精度浮点型）
dx，dy水平和数值方向
ksize:Sobel算子，取值3~31的奇数。因为算子矩阵一定要存在中心点。

import cv2 as cv
def showImg(img,name):
	cv.namedWindow(name,0);#可调大小
	cv.imshow(name,img)
img=cv.imread('test.jpg',cv.IMWRITE_PNG_COMPRESSION)

#sobel算子
sobelx=cv.Sobel(img,cv.CV_64F,1,0,ksize=17)
sobely=cv.Sobel(img,cv.CV_64F,0,1,ksize=17)

#分开计算结果更加清晰
sobelxy=cv.addWeighted(sobelx,0.5,sobely,0.5,0)

#梯度绝对值转换
sobelx=cv.convertScaleAbs(sobelx)
sobely=cv.convertScaleAbs(sobely)
sobelxy=cv.convertScaleAbs(sobelxy)
showImg(sobelx,'sobelx')
showImg(sobely,'sobely')
showImg(sobelxy,'sobelxy')

cv.waitKey()
cv.destroyAllWindows()

二、Scharr算子

cv2.scharr(src,ddepth,dx,dy)
src:图像
ddepth:图像深度
dx，dy水平和数值方向

import cv2 as cv
def showImg(img,name):
	cv.namedWindow(name,0);#可调大小
	cv.imshow(name,img)
	
img=cv.imread('test.jpg',cv.IMWRITE_PNG_COMPRESSION)

#scharr算子
scharrx=cv.Scharr(img,cv.CV_64F,1,0)
scharry=cv.Scharr(img,cv.CV_64F,0,1)

#分开计算结果更加清晰
scharrxy=cv.addWeighted(scharrx,0.5,scharry,0.5,0)

#梯度绝对值转换
scharrx=cv.convertScaleAbs(scharrx)
scharry=cv.convertScaleAbs(scharry)
scharrxy=cv.convertScaleAbs(scharrxy)
showImg(scharrx,'scharrx')
showImg(scharry,'scharry')
showImg(scharrxy,'scharrxy')

cv.waitKey()
cv.destroyAllWindows()

lapulacian算子

import cv2 as cv
def showImg(img,name):
	cv.namedWindow(name,0);#可调大小
	cv.imshow(name,img)

img=cv.imread('test.jpg',cv.IMWRITE_PNG_COMPRESSION)

laplacian=cv.Laplacian(img,cv.CV_64F)
laplacian=cv.convertScaleAbs(laplacian)

showImg(laplacian,'laplacian')

cv.waitKey()
cv.destroyAllWindows()

四、Canny边缘提取算法

1)使用高斯滤波器，平滑图像，滤除噪声
2)计算图像中每个像素点的梯度和方向
3)应用非极大值抑制，消除边缘检测带来的杂质噪声
4)应用双阈值检测，确定真实检的和潜在的边缘
5)通过抑制孤立的弱边缘最终完成边缘检测

cv.Canny(img,min,max,apertureSize=3)
min：最小值
max：最大值
apertureSize：内核大小3~7奇数

图像灰度梯度 高于maxVal被认为是真正的边界，低于minVal的舍弃。两者之间的值要判断是否与真正的边界相连，相连就保留，不相连舍弃。（此段以及以下图片摘自大佬的python opencv入门 Canny边缘检测（15））

import cv2 as cv

def showImg(img,name):
	cv.namedWindow(name,0);#可调大小
	cv.imshow(name,img)

img =cv.imread('test.jpg',cv.IMREAD_GRAYSCALE)
canny1=cv.Canny(img,100,150,apertureSize=3)

showImg(canny1,'canny1')

cv.waitKey()
cv.destroyAllWindows()