简述

OpenCV边缘检测的一般步骤为：

1. 滤波

2. 增强

3. 检测

常用的边缘检测的算子和滤波器有：

1. Sobel算子

2. Laplacian算子

3. Canny算子

4. Scharr滤波器

以下使用Sobel、Laplacian和Canny算子进行边缘检测。图片是从网上随意下载的一张。

代码

import cv2

#********************Sobel边缘检测*****************************
def edge_sobel( src ):
    kernelSize = (3, 3)
    gausBlurImg = cv2.GaussianBlur( src, kernelSize, 0 )

    #转换为灰度图
    channels = src.shape[2]
    if channels > 1:
        src_gray = cv2.cvtColor( gausBlurImg, cv2.COLOR_RGB2GRAY )
    else:
        src_gray = src.clone()

    scale = 1
    delta = 0
    depth = cv2.CV_16S

    #求X方向梯度（创建grad_x, grad_y矩阵）
    grad_x = cv2.Sobel( src_gray, depth, 1, 0 )
    abs_grad_x = cv2.convertScaleAbs( grad_x )

    #求Y方向梯度
    grad_y = cv2.Sobel( src_gray, depth, 0, 1 )
    abs_grad_y = cv2.convertScaleAbs( grad_y )

    #合并梯度（近似）
    edgeImg = cv2.addWeighted( abs_grad_x, 0.5, abs_grad_y, 0.5, 0 )
    return edgeImg

#********************Laplacian边缘检测*****************************
def edge_laplacian( src ):
    scale = 1
    delta = 0
    depth = cv2.CV_16S

    if src.shape[2] > 1:
        src_gray = cv2.cvtColor( src, cv2.COLOR_RGB2GRAY )
    else:
        src_gray = src.clone()

    kernelSize = (3, 3)
    gausBlurImg = cv2.GaussianBlur( src_gray, kernelSize, 0 )
    laplacianImg = cv2.Laplacian( gausBlurImg, depth, kernelSize )
    edgeImg = cv2.convertScaleAbs( laplacianImg )
    return edgeImg

#********************Canny边缘检测*****************************
def edge_canny( src, threshold1, threshold2 ):
    kernelSize = (3, 3)

    gausBlurImg = cv2.GaussianBlur( src, kernelSize, 0 )
    edgeImg = cv2.Canny( gausBlurImg, threshold1, threshold2 )
    return edgeImg

#********************主函数*****************************
imgSrc = cv2.imread( "1.jpg" )

sobelImg = edge_sobel( imgSrc )
laplacianImg = edge_laplacian( imgSrc )
cannyImg = edge_canny( imgSrc, 20, 60 )

cv2.imshow( "Origin", imgSrc )
cv2.imshow( "Sobel", sobelImg )
cv2.imshow( "Laplacian", laplacianImg )
cv2.imshow( "Canny", cannyImg )

cv2.waitKey( 0 )
cv2.destroyAllWindows()

效果