目录
一、Sobel的使用格式与参数解析
二、一半不到的圆形轮廓
三、接近完全的圆形轮廓
四、完整的圆形轮廓
本文将以下左图为例，分三步完成对该圆形的边缘检测，结果为右图
一、Sobel的使用格式与参数解析
OpenCV中Sobel算子的使用方式：cv2.Sobel(src, ddepth, dx, dy)
src为输入图像
ddepth为输出图像的数据类型
dx,dy：当组合为dx=1,dy=0时求x方向的一阶导数，即Gx，当组合为dx=0,dy=1时求y方向的一阶导数，即Gy
检测水平方向：
检测竖直方向
二、一半不到的圆形轮廓
进行最普通的Sobel使用，由于本文使用的图片比较特殊，因此跳过灰度化过程。感兴趣的读者也可以使用未经灰度化的图片使用Sobel算子进行边缘检测，轮廓颜色也许会让你意外。
yuan = cv2.imread('yuan.png')
yuan_x=cv2.Sobel(yuan,-1,dx=1,dy=0)
cv2.imshow('yuan_x',yuan_x)
cv2.waitKey(100000)运行结果如下
Gx矩阵的计算本质上是该像素点的右侧减左侧。在该处的Sobel函数中，-1表示与原图像相同的深度，即默认的uint8。对于处于左侧边缘的像素来说，右边是白色（255）左边是黑色（0），那么右减左就是255（白色），但是对于图像左边来说，右边是黑色（0），左边是白色（255），右减左等于-255，然而由于OpenCV中图像矩阵是uint8类型的，取值范围是0-255，那么对于-255他会默认赋予0（黑色）。如果想得到更为完整的圆形轮廓，则可以改用以下代码
三、接近完全的圆形轮廓
yuan = cv2.imread('yuan.png')
yuan_x_64 = cv2.Sobel(yuan,cv2.CV_64F,dx=1,dy=0)
yuan_x_full=cv2.convertScaleAbs(yuan_x_64)
cv2.imshow('yuan_x_full',yuan_x_full)
cv2.waitKey(10000)运行结果如下
对比两次运行的第二行代码可以发现，该处将Sobel的第二个变量-1更改为cv2.CV_64F，即将默认的int8改为float64，因此可保存负数。之后通过第三行的绝对值变换成功将右侧保留下来的-255更换为255，成功被检测
四、完整的圆形轮廓
从三的结果可以发现，虽然左右都被成功检测，但上下方的轮廓依旧不完整，这很好理解，因为上下方的像素点左右都为黑（0），通过Gx肯定无法得到结果，因此此出我们可以转换思路，通过Gy检测竖直方向的轮廓，然后将两个最终的轮廓图进行叠加，即可得到完整的圆形轮廓
Gy检测竖直方向的轮廓
yuan_y_64 = cv2.Sobel(yuan,cv2.CV_64F,dx=0,dy=1)
yuan_y_full=cv2.convertScaleAbs(yuan_y_64)
cv2.imshow('yuan_y_full',yuan_y_full)
cv2.waitKey(10000)运行结果如下
将xy方向的轮廓叠加
yuan_xy_full=cv2.addWeighted(yuan_x_full,1,yuan_y_full,1,0)
cv2.imshow('yuan_xy_full',yuan_xy_full)
cv2.waitKey(10000)得到最终结果
