利用边缘检测算子实现边缘检测

边缘检测算子是一种通过计算图像中像素值的差异来检测边缘的算法。常用的边缘检测算子有Sobel、Prewitt、Roberts等。接下来以Sobel算子为例，介绍如何实现边缘检测。

Sobel算子是一种基于梯度的边缘检测算子，它通过计算像素与周围像素的差异来检测边缘。Sobel算子包括两个3x3的卷积核，分别对应水平和垂直方向的梯度计算。

具体实现步骤如下：

1. 将图像转化为灰度图像。
2. 对灰度图像进行高斯滤波，以平滑图像，减少噪声干扰。
3. 分别计算水平和垂直方向的梯度值，可以采用Sobel算子的卷积核进行卷积运算，也可以采用其他的算子。
4. 将水平和垂直方向的梯度值合并，得到图像的梯度幅值。
5. 根据设定的阈值对梯度幅值进行二值化，将边缘像素标记出来。

Python代码实现如下：

import cv2
import numpy as np

# 读入图像
img = cv2.imread('lena.jpg')

# 转化为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 高斯滤波
blur = cv2.GaussianBlur(gray, (3, 3), 0)

# 计算水平和垂直方向的梯度值
sobelx = cv2.Sobel(blur, cv2.CV_64F, 1, 0, ksize=3)
sobely = cv2.Sobel(blur, cv2.CV_64F, 0, 1, ksize=3)

# 计算梯度幅值
grad = np.sqrt(sobelx ** 2 + sobely ** 2)

# 二值化
thresh = 100
grad[grad < thresh] = 0
grad[grad >= thresh] = 255

# 显示结果
cv2.imshow('Original', img)
cv2.imshow('Edges', grad)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果如下：