本文由本人原创，仅作为自己的学习记录
主要利用Sobel，用作边缘检测，它是一离散性差分算子，用来运算图像亮度函数的灰度值。在图像的任何一点使用此算子，将会产生对应的灰度矢量或是其法矢量。
Sobel边缘检测通常带有方向性，可以只检测竖直边缘或垂直边缘或都检测。
本文先对图片进行大小处理，使得都是一个大小的图片
然后从XY两个方向检测，然后利用addweight进行图像混合
然后设置阈值，进行图像二值化处理，本,文中设置的是100，如果原灰度值大于100，把灰度值设为0（黑色），因为边缘为白色要变成黑色，如果小于100，设为255（白色）THRESH_BINARY_INV（二值化取反）
下面是代码
#coding=utf-8
import cv2 as cv
import os
import matplotlib.pyplot as plt
def set_img_size(path,file):
src_img = cv.imread(file, cv.IMREAD_GRAYSCALE)
dst_img= cv.resize(src_img,(220,350))
cv.imwrite(path+'\\2_tmp.jpg',dst_img)
return path+'\\2_tmp.jpg'
if __name__=="__main__":
path=os.getcwd()
file = path+'\\2.jpg'
file_name = set_img_size(path,file)
sobel_img = cv.imread(file_name, cv.IMREAD_GRAYSCALE)
x= cv.Sobel(sobel_img,cv.CV_16S,1,0)#x方向边缘检测
y= cv.Sobel(sobel_img,cv.CV_16S,0,1)
#x,y方向分辨转换为uint8(8位无符号)类型
ux = cv.convertScaleAbs(x)
uy = cv.convertScaleAbs(y)
#x,y合并
sb_img = cv.addWeighted(ux,0.5,uy,0.5,0)
#设置阈值，如果原值大于100，设为0，因为边缘为白色要变成黑色，如果小于100，设为255ֵ
retval,sb_img = cv.threshold(sb_img,100,255.0, cv.THRESH_BINARY_INV)
cv.imshow("result",sb_img)
#cv.waitKey(0)
cv.destroyAllWindows()
cv.imwrite(path+'\\2_result.jpg',sb_img)
