本文介绍了OpenCV在Python中进行图像梯度计算和Canny边缘检测的方法。讨论了Sobel、Scharr和Laplacian算子的应用，强调了数据类型的选取对边缘检测的影响。对于Canny边缘检测，文章详细阐述了噪音去除、梯度计算、非极大值抑制和滞后阀值四个步骤，并解释了OpenCV中Canny函数的参数设置。
图像梯度原理：简单来说就是求导
OpenCV提供了三种不同的梯度滤波器，或者说高通滤波器：Sobel，Scharr和Laplacian。Sobel和Scharr是求一阶或二阶导数。Scharr是对Sobel（使用小的卷积核求解梯度角度时）的优化，Laplacian是求二阶导数。
1.Sobel算子和Scharr算子
Sobel算子是高斯平滑与微分操作的结合体，它的抗噪音能力很好。可以设定求导的方向（xorder或yorder）。还可以设定使用的卷积核的大小（ksize），如果ksize=-1，会使用3x3的Scharr滤波器，效果会更好，若速度相同，在使用3x3滤波器时尽量使用Scharr。
3x3的Scharr滤波器卷积核如下：
#x方向
[[-3, 0, 3], 
331
336
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
