对“lena”图像采用Sobel算子对其进行锐化，并设置不同参数，对比锐化效果的python代码

在Python中，我们可以使用OpenCV库来对"lena"图像应用Sobel算子进行锐化。Sobel算子是一种常见的边缘检测算子，通过计算像素点周围灰度值的变化来识别边缘。以下是使用不同阈值（一般用于调整模糊程度）对比锐化效果的基本步骤：

import cv2
import numpy as np

# 加载 Lena 图像
lena = cv2.imread('lena.jpg', cv2.IMREAD_GRAYSCALE)

# Sobel 算子有水平和垂直两个方向，这里以水平为例
def apply_sobel(image, sobel_kernel=3, threshold=50):
    # 应用 Soble 运算
    sobel_x = cv2.Sobel(image, cv2.CV_64F, 1, 0, ksize=sobel_kernel)
    
    # 计算梯度强度并转换为8位无符号整型
    abs_grad = cv2.convertScaleAbs(sobel_x)
    
    # 如果需要，可以应用二值化操作
    binary = cv2.threshold(abs_grad, threshold, 255, cv2.THRESH_BINARY)[1]
    
    return binary

# 设置不同的参数值
sharpness_levels = [1, 3, 5]  # 不同大小的Sobel核
threshold_values = [20, 50, 70]  # 不同的阈值

results = []
for kernel in sharpness_levels:
    for t in threshold_values:
        result = apply_sobel(lena, sobel_kernel=kernel, threshold=t)
        results.append((result, f"Sobel Kernel {kernel}, Threshold {t}"))

# 显示原始图像和处理后的结果对比
fig, axs = plt.subplots(1, len(results), figsize=(15, 5))
axs[0].imshow(lena, cmap='gray')
axs[0].set_title('Original Lena')

for i, (image, title) in enumerate(results):
    axs[i+1].imshow(image, cmap='gray')
    axs[i+1].set_title(title)
plt.show()