本篇文章介绍图像的边缘检测，如Sobel，Scharr，Laplacian，Canny等。
主要学习cv.Sobel()，cv.Scharr()，cv.Canny()等函数的使用。
环境：Windows 7（64） Python 3.6 OpenCV 3.4.2
一、边缘检测
1.1相关函数介绍
Sobel()函数形式如下：
dst = cv.Sobel( src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]] )
功能：使用Sobel算子对图像进行处理。
参数：
src：输入图像。
dst：输出图像。
ddepth：输出图像的深度。
dx：给1，x方向进行计算
dy：给1，y方向进行计算
ksize：Sobel算子的大小
scale：缩放因子
delta：将处理的图像加上delta
borderType：边界填充类型
Scharr()函数形式如下：
dst = cv.Scharr( src, ddepth, dx, dy[, dst[, scale[, delta[, borderType]]]] )功能：使用Scharr算子对图像进行处理。
参数：
src：输入图像。
dst：输出图像。
ddepth：输出图像的深度。
dx：给1，x方向进行计算
dy：给1，y方向进行计算
scale：缩放因子
delta：将处理的图像加上delta
borderType：边界填充类型
Laplacian()函数形式如下：
dst = cv.Laplacian( src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]] )功能：使用Laplacian算子对图像进行处理。
参数：
src：输入图像。
dst：输出图像。
ddepth：输出图像的深度。
dx：给1，x方向进行计算
dy：给1，y方向进行计算
ksize：Sobel算子的大小
scale：缩放因子
delta：将处理的图像加上delta
borderType：边界填充类型
Canny()函数形式如下：
edges = cv.Canny( image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]] )功能：使用Canny算子对图像进行处理。
参数：
src：输入图像。8bit图像
edges：输出图像。
threshold1：阈值1
threshold2：阈值2
apertureSize：孔径尺寸，默认3
L2gradient：是否使用L2范数，默认false
1.2 编程测试
代码如下：
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
img = cv.imread('3.png',cv.IMREAD_GRAYSCALE)
#sobel dx
DstSobel = cv.Sobel(img, cv.CV_8U, 1, 0, ksize = 5)
#scharr dx
DstScharr = cv.Scharr(img, cv.CV_8U, 1, 0)
#Laplacian
DstLaplacian = cv.Laplacian(img, cv.CV_8U, ksize = 5)
#Canny
DstCanny = cv.Canny(img, 100, 200)
#显示
plt.subplot(321),plt.imshow(img),plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(322),plt.imshow(DstSobel),plt.title('Sobel')
plt.xticks([]), plt.yticks([])
plt.subplot(323),plt.imshow(DstScharr),plt.title('Scharr')
plt.xticks([]), plt.yticks([])
plt.subplot(324),plt.imshow(DstLaplacian),plt.title('Laplacian')
plt.xticks([]), plt.yticks([])
plt.subplot(325),plt.imshow(DstCanny),plt.title('Canny')
plt.xticks([]), plt.yticks([])
plt.show()运行结果图如下：
