本文主要介绍sobel算子及边缘检测：
代码如下：
#sobel,ddepth如果设置为-1的话，水平处理只能取出左边界，右边界为负值丢失了，所以需要先用64F扩展然后用convertScaleAbs转换#dx,dy都设置为1和使用addWeighted用法差别：addWeighted更细节img2=cv2.Sobel(img,ddepth=cv2.CV_64F,dx=1,dy=0,ksize=3)img3=cv2.Sobel(img,ddepth=cv2.CV_64F,dx=0,dy=1,ksize=3)img2=cv2.convertScaleAbs(img2)img3=cv2.convertScaleAbs(img3)img2=cv2.addWeighted(img2,0.5,img3,0.5,0)#scharr，中心权重比例更大，比sobel显示更多细节的边缘，但是这个边缘是否需要取决于应用，有可能压根不需要那么多的细节img2=cv2.Scharr(img,ddepth=cv2.CV_64F,dx=1,dy=0)img3=cv2.Scharr(img,ddepth=cv2.CV_64F,dx=0,dy=1)img2=cv2.convertScaleAbs(img2)img3=cv2.convertScaleAbs(img3)img2=cv2.addWeighted(img2,0.5,img3,0.5,0)#拉普拉斯算子,XY方向都做2次梯度运算，sobel，scharr都是只做一次，直接可以得出XY方向的边缘img2=cv2.Laplacian(img,ddepth=cv2.CV_64F)img2=cv2.convertScaleAbs(img2)#canny函数 边缘检测,threshold1为最小值阀值，满足则丢弃，threshold2为最大值，满足则留下img2=cv2.Canny(img,threshold1=100,threshold2=200)
