边缘检测之Sobel算子和Canny算子

一、Sobel 算子

1.1、什么是 Sobel 算子

1. 图像边缘检测重要算子之一。
2. 与梯度密不可分。

目的：边缘检测
本质：梯度运算

1.2、原理

在图像的 x 轴方向和 y 轴方向，都进行梯度计算。

在 x 方向：

当目标（P5点）左右两列差别特别大的时候，目标点的值会很大，说明该点为边界。

在 y 方向：

在图像的每一点，结合以上两个结果求出：

$$G=\sqrt{G_x^2+G_y^2}$$

统计极大值所在的位置，就是图像的边缘。

1.3、过程中的问题

目标像素点求得的值小于0或者大于255怎么办？

OpenCV 默认的是截断操作，即小于 0 按 0 算，大于 255 按 255 算。

但是这种处理方法并不合适。

对于小于 0 的应该取绝对值，大于 255 的可按 255 算。

1.4、OpenCV 实操

利用 OpenCV 进行 sobel 边缘检测的API是：

Sobel_x_or_y = cv2.Sobel(src, ddepth, dx, dy, dst, ksize, scale, delta, borderType)

参数：

• src：传入的图像

• ddepth: 图像的深度

• dx和dy: 指求导的阶数，0表示这个方向上没有求导，取值为0、1。

• ksize: 是Sobel算子的大小，即卷积核的大小，必须为奇数1、3、5、7，默认为3。

  注意：如果ksize=-1，就演变成为3x3的Scharr算子。

• scale：缩放导数的比例常数，默认情况为没有伸缩系数。

• borderType：图像边界的模式，默认值为cv2.BORDER_DEFAULT。

注意： 当内核大小为3时, 以上 Sobel 内核可能产生比较明显的误差， 为解决这一问题，我们使用 Scharr 函数，但该函数仅作用于大小为3的内核。该函数的运算与 Sobel 函数一样快，但结果却更加精确。

S c h a r r 函数的卷积核 = [ − 3 0 + 3 − 10 0 + 10