Sobel边缘检测的最终步骤是什么？如何处理梯度幅值|G|与梯度角θ？

当你计算得到梯度幅值|G|和梯度角θ后，需要依次完成以下3步操作得到最终二值边缘图：

1. 非极大值抑制（NMS） #

这一步梯度角θ是核心输入，目的是把粗定位的宽边缘细化为单像素宽度的边缘：

• 首先将每个像素的梯度角θ归一到0_180°/0360°区间，对应到4个主要梯度方向：水平（0°/180°）、垂直（90°/270°）、+45°、-45°
• 对每个像素，沿着它的梯度方向，对比该像素和前后两个相邻像素的梯度幅值
• 如果当前像素的幅值不是三个点里的最大值，直接把它的幅值置为0，否则保留原值

2. 双阈值筛选 #

经过NMS处理后的幅值图需要设置高低两个阈值（通常高阈值是低阈值的2~3倍）做初步筛选：

• 幅值高于高阈值的像素直接标记为强边缘像素，直接保留
• 幅值低于低阈值的像素直接被判定为非边缘，幅值置0丢弃
• 幅值介于两个阈值之间的像素标记为弱边缘像素，留待下一步判断

3. 边缘连通性校验 #

这一步是为了过滤掉由噪声带来的孤立弱边缘：

• 遍历所有弱边缘像素，只要它的8邻域内存在至少一个强边缘像素，就判定为有效边缘保留
• 没有和强边缘连通的弱边缘像素全部置0丢弃

最终输出的二值图像就是Sobel边缘检测的结果。

内容的提问来源于stack exchange，提问作者Snowball