OpenCV边缘检测(Sobel,Scharr,Laplace,Canny)

对于图像的处理，基本的步骤是这样的：
取得图像数据 —— 将图像进行平滑处理 —— 进行边缘检测，阈值分析 —— 进行形态学的操作 —— 获取某些特征点 —— 分析数据

那么在这里，我就讲解下边缘检测的这部分，然后后续再进行其他的讲解。

在OpenCV中，边缘检测的方法有以下几种：
Sobel
Scharr
Laplace
Canny
其中前三种的边缘检测是带方向的

那么我们就先从Sobel算子开始讲起吧！
先来看看Sobel方法的定义
def Sobel
(src,ddepth,dx,dy,dst=None,ksize=None,scale=None,delta=None,borderType=None)

ddepth:图像的颜色深度，针对不同的输入图像，输出目标图像有不同的深度，具体组合如下：
- 若src.depth() = CV_8U, 取ddepth =-1/CV_16S/CV_32F/CV_64F
- 若src.depth() = CV_16U/CV_16S, 取ddepth =-1/CV_32F/CV_64F
- 若src.depth() = CV_32F, 取ddepth =-1/CV_32F/CV_64F
- 若src.depth() = CV_64F, 取ddepth = -1/CV_64F
dx:int类型的，表示x方向的差分阶数，1或0
dy:int类型的，表示y方向的差分阶数，1或0
kSize：模板大小，前面虽然提到过，不过对于Sobel算子这里要补充下，这里的取值为1，3，5，7，当不输入的时候，默认为3。特殊的，当kSize = 1的时候，采用的模板为1*3或者3*1 而非平时的那些格式。

接下来看Scharr的定义
def Scharr(src, ddepth, dx, dy, dst=None, scale=None, delta=None, borderType=None)
会看到参数和Sobel算子一致，不过，该函数与Sobel的区别在于，Scharr仅作用于大小为3的内核。具有和sobel算子一样的速度，但结果更为精确

接下来我们看下这俩的比较：

第一列显示的Sobel算子的在默认3*3模板下的图像，第二列显示的是Scahrr算子