OpenCV 的几种查找图像中轮廓边缘的方法

 原始图片：

 

1、Sobel()

Sobel 算子结合了高斯平滑和微分，用于计算图像的梯度，从而突出显示边缘。

import cv2

# 读取图像
image = cv2.imread('image.png', cv2.IMREAD_GRAYSCALE)

# 使用 Sobel 算子查找水平和垂直边缘
sobel_x = cv2.Sobel(image, cv2.CV_64F, 1, 0, ksize=3)
sobel_y = cv2.Sobel(image, cv2.CV_64F, 0, 1, ksize=3)

# 叠加水平和垂直边缘
edges = cv2.addWeighted(cv2.convertScaleAbs(sobel_x), 0.5, cv2.convertScaleAbs(sobel_y), 0.5, 0)



# 显示结果
cv2.imshow("Original Image", image)
cv2.imshow("Edges", edges)

cv2.waitKey(0)
cv2.destroyAllWindows()

函数原型：

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

参数说明：

1. src: 输入图像（单通道，例如灰度图）。
2. ddepth: 输出图像的深度（例如 cv2.CV_64F 表示 64 位浮点数）。
3. dx: x 方向上的导数阶数（0表示没有导数，1表示一阶导数）。
4. dy: y 方向上的导数阶数（与 dx 类似）。
5. ksize: Sobel 核的大小，必须是 1, 3, 5 或 7 等奇数。
6. scale: 可选值，缩放导数结果，以便调整图像亮度（默认值为 1）。
7. delta: 可选值，在存储之前添加到结果中的值（默认值为 0）。
8. borderType: 边界类型，用于确定图像边界（默认值为 cv2.BORDER_DEFAULT）。

 2、Scharr()

Scharr 算子是一种改进的 Sobel 算子，适用于增强边缘检测的精度，在正常的 Sobel 核的尺寸上有更好的性能。

scharr_x = cv2.Scharr(src, ddepth, dx, dy, scale, delta, borderType)

参数说明：</