hello，我是kk~
这几天有同学在腾讯的面试中，遇到一个问题，是关于边缘检测算法。
面试官让围绕Sobel、Prewitt、Canny，以及使用情况，简单的聊聊。大家觉得这个问题怎么样
咱们今天详细聊聊边缘检测算法，如Sobel、Prewitt、Canny 这个问题。
下面，逐步详解边缘检测算法，包括Sobel、Prewitt、和Canny算法的原理实现过程等等~
Sobel算法
Sobel算法是一种基于卷积的边缘检测方法，通过计算图像的梯度来检测边缘。它使用两个卷积核，一个用于水平方向，另一个用于垂直方向。
对于水平方向的Sobel核：
对于垂直方向的Sobel核：
最终梯度图像：
代码案例
import cv2import numpy as npimport matplotlib.pyplot as plt# 读取图像img = cv2.imread("lenna.jpg", cv2.IMREAD_GRAYSCALE)# Sobel滤波sobel_x = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3)sobel_y = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3)# 计算梯度幅值gradient_magnitude = np.sqrt(sobel_x**2 + sobel_y**2)# 绘制图像plt.subplot(2, 2, 1), plt.imshow(img, cmap='gray'), plt.title('Original Image')plt.subplot(2, 2, 2), plt.imshow(sobel_x, cmap='gray'), plt.title('Sobel X')plt.subplot(2, 2, 3), plt.imshow(sobel_y, cmap='gray'), plt.title('Sobel Y')plt.subplot(2, 2, 4), plt.imshow(gradient_magnitude, cmap='gray'), plt.title('Gradient Magnitude')plt.show()
Prewitt算法
Prewitt算法也是一种基于卷积的边缘检测方法，与Sobel类似，但使用不同的卷积核。
对于水平方向的Prewitt核：
对于垂直方向的Prewitt核：
最终梯度图像：
Python代码和图形：
# 使用cv2.filter2D函数应用Prewitt卷积核prewitt_x = cv2.filter2D(img, cv2.CV_64F, kernel=np.array([[-1, 0, 1], [-1, 0, 1], [-1, 0, 1]]))prewitt_y = cv2.filter2D(img, cv2.CV_64F, kernel=np.array([[-1, -1, -1], [0, 0, 0], [1, 1, 1]]))# 计算梯度幅值gradient_magnitude_prewitt = np.sqrt(prewitt_x**2 + prewitt_y**2)# 绘制图像plt.subplot(2, 2, 1), plt.imshow(img, cmap='gray'), plt.title('Original Image')plt.subplot(2, 2, 2), plt.imshow(prewitt_x, cmap='gray'), plt.title('Prewitt X')plt.subplot(2, 2, 3), plt.imshow(prewitt_y, cmap='gray'), plt.title('Prewitt Y')plt.subplot(2, 2, 4), plt.imshow(gradient_magnitude_prewitt, cmap='gray'), plt.title('Gradient Magnitude (Prewitt)')plt.show()
Canny算法
原理：
Canny算法是一种多阶段的边缘检测算法，包括高斯滤波、梯度计算、非极大值抑制、双阈值边缘跟踪等步骤。
核心公式：
高斯滤波：
梯度计算：
非极大值抑制： 在梯度方向上，只保留局部最大值。
双阈值边缘跟踪： 利用高阈值和低阈值对图像进行分割，形成强边缘和弱边缘。
Python代码和图形：
# Canny边缘检测canny_edges = cv2.Canny(img, 50, 150)# 绘制图像plt.subplot(1, 2, 1), plt.imshow(img, cmap='gray'), plt.title('Original Image')plt.subplot(1, 2, 2), plt.imshow(canny_edges, cmap='gray'), plt.title('Canny Edges')plt.show()
Sobel和Prewitt是基于卷积的边缘检测算法，通过计算图像梯度来寻找
边缘。
Canny算法是一种多阶段的边缘检测方法，包括高斯滤波、梯度计算、非极大值抑制和双阈值边缘跟踪。
每种算法都有其特定的核心公式和实现步骤，用于检测图像中的边缘。
在实际应用中，根据具体需求和图像特点选择合适的边缘检测算法。
关注我们，分享更新算法内容
▽▽▽
推荐阅读
不愧是微软，巨深入
不愧是京东，面试超开心
拼多多，目前薪资天花板