计算机视觉 （六） -- Edge Detection（sobel） & Gaussian Blur
Sobel算子是像素图像边缘检测中最重要的算子之一，在机器学习、数字媒体、计算机视觉等信息科技领域起着举足轻重的作用。在技术上，它是一个离散的一阶差分算子，用来计算图像亮度函数的一阶梯度之近似值。在图像的任何一点使用此算子，将会产生该点对应的梯度矢量或是其法矢量。[1]
图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来计算梯度的大小。
可用以下公式计算梯度方向。
在以上例子中，如果以上的角度Θ等于零，即代表图像该处拥有纵向边缘，左方较右方暗。
高斯模糊（https://en.wikipedia.org/wiki/Gaussian_blur），也叫高斯平滑，是在Adobe Photoshop、GIMP以及Paint.NET等图像处理软件中广泛使用的处理效果，通常用它来减少图像噪声以及降低细节层次。
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
import cv2
import numpy as np
image = cv2.imread("./imgs/9.jpg")
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
gray_blur = cv2.GaussianBlur(gray,(9,9),5)
f = np.fft.fft2(gray/225.0)
f_shift = np.fft.fftshift(f)
grayfft = 10 * np.log(np.abs(f_shift))
core_sobelx = np.array([[-1,0,1],[-2,0,2],[-1,0,1]])
core_sobely = np.array([[-1,0,1],[-2,0,2],[-1,0,1]])
gray_blur_sobelx = cv2.filter2D(gray_blur,2,core_sobelx)
gray_blur_sobely = cv2.filter2D(gray_blur,2,core_sobely)
gray_blur = cv2.filter2D(gray,2,core_sobelx)
f,(a0,a1,a2,a3,a4,a5) = plt.subplots(1,6,figsize=(30,30))
a5.set_title("fft gray")
a5.imshow(grayfft,cmap='gray')
a0.set_title("oraginal gray")
a0.imshow(gray,cmap='gray')
a1.set_title("oraginal gray filter")
a1.imshow(gray_blur,cmap='gray')
a2.set_title("blur gray")
a2.imshow(gray_blur,cmap='gray')
a3.set_title("blur gray with sobel x")
a3.imshow(gray_blur_sobelx,cmap='gray')
a4.set_title("blur gray with sobel y")
a4.imshow(gray_blur_sobely,cmap='gray')
retval,binary_image = cv2.threshold(gray_blur_sobelx,100,225,cv2.THRESH_BINARY)
plt.figure()
plt.imshow(binary_image,cmap='gray')
plt.show()