Opencv图像梯度与Canny边缘检测(python)

案例 ©Fu Xianjun. All Rights Reserved.

一、读取图像

知识储备：Sobel算子

计算x方向边缘（梯度）:dx=1,dy=0

计算y方向边缘（梯度）:dx=0,dy=1

参数dx与参数dy的值均为1:dx=1,dy=1

计算x方向和y方向的边缘叠加：通过组合方式实现

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

dx代表x方向上的求导阶数 dy代表y方向上的求导阶数

ksize代表Sobel核的大小。该值为-1时，则会使用Scharr算子进行运算。

delta代表加在目标图像dst上的值，该值是可选的，默认为0

        知识储备：Laplacian算子

Laplacian（拉普拉斯）算子是一种二阶导数算子，其具有旋转不变性，可以满足不同方向的图像边缘锐化（边缘检测）的要求。通常情况下，其算子的系数之和需要为零。

图像梯度-Scharr算子

        知识储备：Canny边缘检测

        由于图像边缘非常容易受到噪声的干扰，通常需要对图像进行滤波以去除噪声。滤波的目的是平滑一些纹理较弱的非边缘区域，以便得到更准确的边缘。

计算图像x方向边缘

计算图像y方向边缘

编程实现计算peppa的sobel边缘

Canny边缘检测

1) 使用高斯滤波器，以平滑图像，滤除噪声。        

2) 计算图像中每个像素点的梯度强度和方向。

3) 应用非极大值（Non-Maximum Suppression）抑制，以消除边缘检测带来的杂散响应。

4) 应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。

5) 通过抑制孤立的弱边缘最终完成边缘检测。

Canny实战：车道检测