#! usr/bin/env python
# coding:utf-8

# 2018年7月2日06:48:35
# 2018年7月2日23:11:59

import cv2
import numpy as np
import matplotlib.pyplot as plt


img = cv2.imread('number.jpg',0)
# 其中，0表示將圖片以灰度讀出來。


#### 影象邊緣處理sobel細節
sobelx = cv2.Sobel(img,cv2.CV_64F, 1, 0, ksize=3)
# 利用Sobel方法可以進行sobel邊緣檢測
# img表示源影象，即進行邊緣檢測的影象
 

# cv2.CV_64F表示64位浮點數即64float。
# 這裡不使用numpy.float64，因為可能會發生溢位現象。用cv的資料則會自動
# 第三和第四個引數分別是對X和Y方向的導數（即dx,dy），這裡1表示對X求偏導，0表示不對Y求導。其中，X還可以求2次導。
# 注意：對X求導就是檢測X方向上是否有邊緣。
# 第五個引數ksize是指核的大小。

# 這裡說明一下，這個引數的前四個引數都沒有給誰賦值，而ksize則是被賦值的物件
# 實際上，這時可省略的引數，而前四個是不可省的引數。注意其中的不同點
# 還有其他引數，有需要的話可以去看，也可留言。

sobely = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3)
 
# 與上面不同的是對y方向進行邊緣檢測

sobelXY = cv2.Sobel(img, cv2.CV_64F, 1, 1, ksize=3)
# 這裡對兩個方向同時進行檢測，則會過濾掉僅僅只是x或者y方向上的邊緣


##### 影象展示
# 展示上面處理的圖片，包括源影象。
# 注意使用subplot和title方法
plt.subplot(2,2,1)
plt.imshow(img,'gray')
# 其中gray表示將圖片用灰度的方式顯示，注意需要使用引號表示這是string型別。
# 可以用本行命令顯示'gray'的型別：print(type('gray'))
plt.title('
 
src')
plt.subplot(2,2,2)
plt.imshow(sobelx,'gray')
plt.title('sobelX')
plt.subplot(2,2,3)
plt.imshow(sobely,'gray')
plt.title('sobelY')
plt.subplot(2,2,4)
plt.imshow(sobelXY,'gray')
plt.title('sobelXY')
plt.show()
--------------------- 
作者：月下花弄影 
來源：CSDN 
原文：https://blog.csdn.net/qq_27261889/article/details/80891491 
版權宣告：本文為博主原創文章，轉載請附上博文連結！

其中，可以看見不同演算法的效果