python3环境下使用opencv3实现边缘检测
1、边缘检测有多种方法，一般步骤为：
1）高斯模糊
2）灰度变化
3）梯度检测
4）输出或得出结论进行下一步处理。
本文限于篇幅，使用最经典的索贝尔（sobel）算子实现梯度计算。
高斯模糊也不予考虑。
Sobel算子结合高斯平滑与微分求导，抗噪声能力强，效率较高，对细纹理处理一般。用于计算图像灰度函数的近似梯度。 利用导数求解边缘，像素差别大则切点越陡峭。也符合边缘特征（阶跃，屋顶）
它包含两组3x3的矩阵（横向及纵向模板），算子和图像作平面卷积分别得出横向及纵向的亮度差分近似值。
2、为了简单，自己构建了一个米框图，便于观察！
import cv2 as cvimport numpy as npimport matplotlib.pyplot as plt
image = cv.imread('c:\\black_MiLine.png',0)cv.imshow('image',image)cv.waitKey(0)
3、采用函数简介
Sobel(src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]])进行计算。
src： 图像；
ddepth：图像的深度，-1表示与原图像相同深度。（目标图像的深度必须大于等于原图像的深度）；
dx和dy表示的是求导的阶数，0表示这个方向上没有求导（一般为0、1、2）；
ksize是Sobel算子的大小，必须为1、3、5、7；
scale是缩放导数的比例常数，默认无伸缩系数；
delta是可选增量，会加到最终dst，默认无额外的值加入dst；
borderType 图像边界的模式 默认值为cv.BORDER_DEFAULT。
----------------------------------------------------------------------
计算sobelx检查该方向变化
sobelx = cv.Sobel(image, cv.CV_64F, 1, 0, ksize=3)
cv.imshow('sobelx',sobelx)
Scale_absX = cv.convertScaleAbs(sobelx) print(Scale_absX)
根据图像可看出成功检测非水平的边缘！
4、计算sobely检查该方向变化
sobely = cv.Sobel(image, cv.CV_64F, 0, 1, ksize=3)
cv.imshow('sobely',sobely)
Scale_absY = cv.convertScaleAbs(sobely)
print(Scale_absY)
5、同时检测XY方向
sobelxy = cv.Sobel(image, cv.CV_64F, 1, 1, ksize=3)
cv.imshow('sobelxy',sobelxy)
cv.waitKey(0)
水平垂直都没了！ 有效果！
6、配重后输出：这个是没有convertScaleAbs的数值：
result0 = cv.addWeighted(sobelx, 0.5, sobely, 0.5, 0)
cv.imshow('result0',result0)
7、配重后输出：这个是有convertScaleAbs的数值：
result1 = cv.addWeighted(Scale_absX, 0.5, Scale_absY, 0.5, 0)
cv.imshow('result1',result1)
cv.waitKey(0)
对比两种情况结果 发现convertScaleAbs处理后的在本例效果好一些
