本篇文章介绍图像的边缘检测，如Sobel，Scharr，Laplacian，Canny等。

主要学习cv.Sobel()，cv.Scharr()，cv.Canny()等函数的使用。

环境：Windows 7（64）   Python 3.6    OpenCV 3.4.2

一、边缘检测

1.1相关函数介绍

Sobel()函数形式如下：

dst = cv.Sobel( src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]] )

功能：使用Sobel算子对图像进行处理。

参数：

src：输入图像。

dst：输出图像。

ddepth：输出图像的深度。

dx：给1，x方向进行计算

dy：给1，y方向进行计算

ksize：Sobel算子的大小

scale：缩放因子

delta：将处理的图像加上delta

borderType：边界填充类型

Scharr()函数形式如下：

dst = cv.Scharr( src, ddepth, dx, dy[, dst[, scale[, delta[, borderType]]]] )

功能：使用Scharr算子对图像进行处理。

参数：

src：输入图像。

dst：输出图像。

ddepth：输出图像的深度。

dx：给1，x方向进行计算

dy：给1，y方向进行计算

scale：缩放因子

delta：将处理的图像加上delta

borderType：边界填充类型

Laplacian()函数形式如下：

dst = cv.Laplacian( src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]] )

功能：使用Laplacian算子对图像进行处理。

参数：

src：输入图像。

dst：输出图像。

ddepth：输出图像的深度。

dx：给1，x方向进行计算

dy：给1，y方向进行计算

ksize：Sobel算子的大小

scale：缩放因子

delta：将处理的图像加上delta

borderType：边界填充类型

Canny()函数形式如下：

edges = cv.Canny( image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]] )

功能：使用Canny算子对图像进行处理。

参数：

src：输入图像。8bit图像

edges：输出图像。

threshold1：阈值1

threshold2：阈值2

apertureSize：孔径尺寸，默认3

L2gradient：是否使用L2范数，默认false

1.2 编程测试

代码如下：

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt

img = cv.imread('3.png',cv.IMREAD_GRAYSCALE)

#sobel dx
DstSobel = cv.Sobel(img, cv.CV_8U, 1, 0, ksize = 5)
#scharr dx
DstScharr = cv.Scharr(img, cv.CV_8U, 1, 0)
#Laplacian 
DstLaplacian = cv.Laplacian(img, cv.CV_8U, ksize = 5)
#Canny
DstCanny = cv.Canny(img, 100, 200)

#显示
plt.subplot(321),plt.imshow(img),plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(322),plt.imshow(DstSobel),plt.title('Sobel')
plt.xticks([]), plt.yticks([])
plt.subplot(323),plt.imshow(DstScharr),plt.title('Scharr')
plt.xticks([]), plt.yticks([])
plt.subplot(324),plt.imshow(DstLaplacian),plt.title('Laplacian')
plt.xticks([]), plt.yticks([])
plt.subplot(325),plt.imshow(DstCanny),plt.title('Canny')
plt.xticks([]), plt.yticks([])
plt.show()

运行结果图如下：