正交梯度法检测边缘点例题代码

以下是用Python实现正交梯度法检测边缘点的例题代码：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('test.jpg', cv2.IMREAD_GRAYSCALE)

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

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

# 计算正交方向上的梯度
mag = np.sqrt(sobelx**2 + sobely**2)
if mag.max() > 0:
    sobelx /= mag.max()
    sobely /= mag.max()

# 检测边缘点
edge = np.zeros(img.shape, dtype=np.uint8)
for i in range(1, img.shape[0]-1):
    for j in range(1, img.shape[1]-1):
        if sobelx[i,j] > 0 and sobely[i,j] > 0 and sobelx[i,j] >= sobely[i,j]:
            if sobelx[i,j] > sobelx[i,j-1] and sobelx[i,j] > sobelx[i,j+1]:
                edge[i,j] = 255
        elif sobelx[i,j] < 0 and sobely[i,j] < 0 and abs(sobelx[i,j]) >= abs(sobely[i,j]):
            if abs(sobelx[i,j]) > abs(sobelx[i,j-1]) and abs(sobelx[i,j]) > abs(sobelx[i,j+1]):
                edge[i,j] = 255
        elif sobelx[i,j] < 0 and sobely[i,j] > 0 and abs(sobelx[i,j]) >= sobely[i,j]:
            if abs(sobelx[i,j]) > sobely[i,j-1] and abs(sobelx[i,j]) > sobely[i,j+1]:
                edge[i,j] = 255
        elif sobelx[i,j] > 0 and sobely[i,j] < 0 and sobelx[i,j] <= abs(sobely[i,j]):
            if sobelx[i,j] > abs(sobely[i,j-1]) and sobelx[i,j] > abs(sobely[i,j+1]):
                edge[i,j] = 255

# 显示结果
cv2.imshow('Original Image', img)
cv2.imshow('Edge Detection', edge)
cv2.waitKey(0)
cv2.destroyAllWindows()

其中，`test.jpg`是待检测的图像文件。该代码首先对图像进行高斯滤波，然后计算水平和垂直方向上的梯度。接着，根据正交梯度法的思想，计算正交方向上的梯度，并根据梯度值的大小来确定图像中的边缘点。最后，显示检测结果。