说明
1、根据像素点的灰度加权差，Sobel算子在边缘达到极值的现象，检测边缘。
它具有平滑的噪声功能，并提供更准确的边缘方向信息。Sobel算子是一种常用的边缘检测方法，因为Sobel算子结合了高斯平滑度和微分求导（分化），因此结果更具抗噪性。
2、Sobel算子仍然是过滤器，但它有方向。
dst=cv2.Sobel(src,ddepth,dx,dy[,dst[,ksize[,scale[,delta[,borderType]]]]])
实例
#coding=utf-8
importcv2
importnumpyasnp
img=cv2.imread("D:/test/26.png",0)
'''
cv2用于Sobel函数的第二个参数.CV_16S。
因为OpenCV文档对Sobel算子的介绍中有这样一句话:
inthecaseof8-bitinputimagesitwillresultintruncatedderivatives”。
也就是说，Sobel函数求完导数后会有负值，并且会大于255。
原图像是uint8，即8位无符号，因此Sobel建立的图像位数不够，会有截断。
因此，使用16位符号数据类型，即cv2.CV_16S。
处理后，别忘了用convertScaleAbs()函数将其转回原来的uint8形式。
否则，图像将无法显示，而只是一个灰色的窗口。convertScaleAbs()原型如下:
dst=cv2.convertScaleAbs(src[,dst[,alpha[,beta]]])
可选参数alpha是伸缩系数，beta是添加到结果中的值。结果返回uint8类型的图片。
由于Sobel算子是在两个方向计算的，因此最终需要使用cv2.addWeighted(...)函数组合在一起。
函数原型如下：
dst=cv2.addWeighted(src1,alpha,src2,beta,gamma[,dst[,dtype]])
alpha是第一张图片中元素的权重，beta是第二个权重，gamma是添加到最终结果的值。
'''
x=cv2.Sobel(img,cv2.CV_16S,1,0)
y=cv2.Sobel(img,cv2.CV_16S,0,1)
absX=cv2.convertScaleAbs(x)#转回uint8
absY=cv2.convertScaleAbs(y)
dst=cv2.addWeighted(absX,0.5,absY,0.5,0)
cv2.imshow("orign",img)
cv2.imshow("absX",absX)
cv2.imshow("absY",absY)
cv2.imshow("Result",dst)
cv2.waitKey(0)
cv2.destroyAllWindows()以上是Python中Sobel算子的使用，希望对大家有所帮助。更多Python学习指导：python基础教程
本文教程操作环境：windows7系统Python 3.9.1，DELL G3电脑。