python sobel算子代码

在Python中，使用OpenCV库可以方便地实现Sobel算子来进行边缘检测。以下是一个简单的例子，展示了如何使用Sobel函数进行水平和垂直方向的梯度计算：

import cv2
import numpy as np

def sobel_edge_detection(image_path):
    # 读取图片
    image = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
    
    # 确保图像为单通道
    if len(image.shape) == 3 and image.shape[2] == 3:
        image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    # 使用Sobel算子
    sobel_x = cv2.Sobel(image, cv2.CV_64F, 1, 0, ksize=3)  # x方向
    sobel_y = cv2.Sobel(image, cv2.CV_64F, 0, 1, ksize=3)  # y方向

    # 计算梯度幅值和方向
    abs_sobel_x = np.abs(sobel_x)
    abs_sobel_y = np.abs(sobel_y)
    gradient_mag = np.sqrt(np.square(abs_sobel_x) + np.square(abs_sobel_y))
    gradient_angle = np.arctan2(abs_sobel_y, abs_sobel_x) * (180 / np.pi)

    return gradient_mag, gradient_angle

# 示例
image_path = 'path_to_your_image.jpg'
gradient_magnitude, gradient_direction = sobel_edge_detection(image_path)
cv2.imshow('Gradient Magnitude', gradient_magnitude)
cv2.imshow('Gradient Direction', (np.rad2deg(gradient_direction)))

# 延迟显示以便查看结果
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个代码中，`cv2.Sobel()`函数接收输入图像、目标深度（这里为浮点型`CV_64F`）、偏导数方向（1表示x方向，0表示y方向），以及卷积核大小（一般设为3x3）。之后，我们计算了梯度幅值（绝对值）和方向。