# 実験課題5
# 3.5 エッジ処理

import cv2

# 画像の読み込み（エッジ検出は通常グレースケール画像に対して行います）
image_path = 'cat.jfif'
img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)

# --- Sobel（ソーベル）フィルタ ---
# X方向の勾配（縦のエッジ）とY方向の勾配（横のエッジ）を計算
# 負の勾配を保持するため、出力データ型を cv2.CV_64F に指定
sobel_x = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3)
sobel_y = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3)

# 絶対値を取り、表示可能な8ビット符号なし整数（0〜255）に変換
sobel_x_abs = cv2.convertScaleAbs(sobel_x)
sobel_y_abs = cv2.convertScaleAbs(sobel_y)

# X方向とY方向の画像を1:1の割合で合成して全体のエッジ画像を作成
sobel_combined = cv2.addWeighted(sobel_x_abs, 0.5, sobel_y_abs, 0.5, 0)

# --- Laplacian（ラプラシアン）フィルタ ---
# 2次微分を用いて全方向のエッジを同時に検出
laplacian = cv2.Laplacian(img, cv2.CV_64F)
laplacian_abs = cv2.convertScaleAbs(laplacian)

# --- Canny（キャニー）法 ---
# ノイズ除去と2つの閾値処理を組み合わせた、より高精度なエッジ検出アルゴリズム
canny = cv2.Canny(img, 50, 150)

# --- 結果の表示 ---
cv2.imshow('Original Grayscale', img)
cv2.imshow('Sobel Edge', sobel_combined)
cv2.imshow('Laplacian Edge', laplacian_abs)
cv2.imshow('Canny Edge', canny)

# キー入力待ち
cv2.waitKey(0)
cv2.destroyAllWindows()