python+opencv图像处理（四十一）

提前过了个万圣节，南瓜灯还蛮好看的，就是那些装鬼的有点吓人......

Scharr算子

1、Scharr算子

Scharr算子也是用于提取图像边缘的。

它是对Sobel算子差异性的增强，两者的原理和使用方式上相同。

Scharr算子检测边缘滤波的尺寸为3*3。

其在x方向和y方向的边缘检测算子如下所示：

2、Scharr算子实现

与sobel类似，在opencv中，也自带了函数Scharr来实现此算子，其参数都与sobel的类似。

如下图所示，左图为原图，右图是经scharr算子检测后的边缘图。

Scharr算法代码如下：

def scharr(src):

x=cv.Scharr(src,cv.CV_16S,1,0)

y=cv.Scharr(src,cv.CV_16S,0,1)

gradx=cv.convertScaleAbs(x)

grady=cv.convertScaleAbs(y)

res=cv.addWeighted(gradx,0.5,grady,0.5,0)

return res

网络上说在实际应用中，sobel算子用得不多，如果要用，一般是用scharr算子。可参考链接：https://blog.csdn.net/JimmyFu0055/article/details/83719438

3、与sobel的比较

如下图所示，左图为原图，中间为sobel算子检测的图，右图为scharr算子检测后的结果图。

此图片来源于网络，请参考链接：

https://blog.csdn.net/weixin_45875105/article/details/103782528

此链接中对灰度图像进行操作，如下图所示：

其完整代码如下：

import cv2 as cv

import numpy as np

#Sobel算子，返回边缘检测的图像。

def sobel(src):

x=cv.Sobel(src,cv.CV_16S,1,0)

y=cv.Sobel(src,cv.CV_16S,0,1)

gradx=cv.convertScaleAbs(x)

grady=cv.convertScaleAbs(y)

res=cv.addWeighted(gradx,0.5,grady,0.5,0)

return res

#Scharr算子，返回边缘检测的图像。

def scharr(src):

x=cv.Scharr(src,cv.CV_16S,1,0)

y=cv.Scharr(src,cv.CV_16S,0,1)

gradx=cv.convertScaleAbs(x)

grady=cv.convertScaleAbs(y)

res=cv.addWeighted(gradx,0.5,grady,0.5,0)

return res

img=cv.imread("li.png",0)

w,h=img.shape

img=cv.resize(img,(int(w),int(h/1.5)),interpolation=cv.INTER_CUBIC)

s=sobel(img)

res=scharr(img)

r=np.hstack((img,s,res))

cv.imshow("compare",r)