OpenCV图像梯度——Scharr算子（cv2.Scharr()）

Scharr算子

在离散的空间上，有很多方法可以用来计算近似导数，在使用 3×3 的 Sobel 算子时，可能计算结果并不太精准。OpenCV 提供了 Scharr 算子，该算子具有和 Sobel 算子同样的速度，且精度更高。可以将 Scharr 算子看作对 Sobel 算子的改进，其核通常为：

OpenCV 提供了函数 cv2.Scharr()来计算 Scharr 算子，其语法格式如下：

dst = cv2.Scharr( src, ddepth, dx, dy[, scale[, delta[, borderType]]] )

其中：
 dst 代表输出图像。
 src 代表原始图像。
 ddepth 代表输出图像深度。该值与函数 cv2.Sobel()中的参数 ddepth 的含义相同。
 dx 代表 x 方向上的导数阶数。
 dy 代表 y 方向上的导数阶数。
 scale 代表计算导数值时的缩放因子，该项是可选项，默认值是 1，表示没有缩放。
 delta 代表加到目标图像上的亮度值，该项是可选项，默认值为 0。
 borderType 代表边界样式。
函数 cv2.Scharr()和函数 cv2.Sobel()的使用方式基本是一致的。需要注意的是，参数 ddepth 的值应该设置为“cv2.CV_64F”，并对函数 cv2.Scharr()的计算结果取绝对值，才能保证得到正确的处理结果。具体语句为：

dst=Scharr(src, cv2.CV_64F, dx, dy)
dst= cv2.convertScaleAbs(dst)

示例：
使用函数 cv2.Scharr()获取图像水平方向的边缘信息。

import cv2
o = cv2.imread('scharr.bmp',cv2.IMREAD_GRAYSCALE)
scharrx = cv2.Scharr(o,cv2.CV_64F,1,0)
scharrx = cv2.convertScaleAbs(scharrx)   # 转回uint8
cv2.imshow("original",o)
cv2.imshow("x",scharrx)
cv2.waitKey()
cv2.destroyAllWindows()

运行结果：

使用函数 cv2.Scharr()获取图像垂直方向的边缘信息。

import cv2
o = cv2.imread('scharr.bmp',cv2.IMREAD_GRAYSCALE)
scharry = cv2.Scharr(o,cv2.CV_64F,0,1)
scharry = cv2.convertScaleAbs(scharry)
cv2.imshow("original",o)
cv2.imshow("y",scharry)
cv2.waitKey()
cv2.destroyAllWindows()

运行结果：

使用函数 cv2.Scharr()实现水平方向和垂直方向边缘叠加的效果。

import cv2
o = cv2.imread('scharr.bmp',cv2.IMREAD_GRAYSCALE)
scharrx = cv2.Scharr(o,cv2.CV_64F,1,0)
scharry = cv2.Scharr(o,cv2.CV_64F,0,1)
scharrx = cv2.convertScaleAbs(scharrx)   # 转回uint8
scharry = cv2.convertScaleAbs(scharry)
scharrxy =  cv2.addWeighted(scharrx,0.5,scharry,0.5,0)
cv2.imshow("original",o)
cv2.imshow("xy",scharrxy)
cv2.waitKey()
cv2.destroyAllWindows()

运行结果：

OpenCV图像梯度——Scharr算子（cv2.Scharr()）相关推荐

OpenCV图像梯度（Sobel和Scharr）
OpenCV图像梯度(Sobel和Scharr) 1 图像梯度是什么? 2 图像梯度的用途 3 图像梯度的使用参考这篇博客将介绍图像渐变以及如何使用OpenCV的cv2.Sobel计算Sobel渐 ...
OpenCV——图像梯度与边缘检测(python实现)
OpenCV--图像梯度与边缘检测 6.1 简介严格的说,梯度计算需要求导数.但是图像梯度的计算,是通过计算像素值的差得到梯度的近似值.图像梯度表示的是图像变化的速度,反映了图像的边缘信息. 边缘是 ...
OpenCV 图像梯度 Sobel、Scharr、Laplacian
概念: 梯度简单来说就是求导,在图像上表现出来的就是提取图像的边缘(不管是横向的.纵向的.斜方向的等等),所需要的无非也是一个核模板,模板的不同结果也不同.所以可以看到,所有的这些个算子函数,归结到底 ...
OpenCV 图像梯度：cv2.Sobel()，cv2.Schar()，cv2.Laplacian() + 数据类型设置：cv2.CV_8U，cv2.CV_16S，cv2.CV_64F
原理: 梯度本质上就是导数.OpenCV 提供了三种不同的梯度滤波器,或者说高通滤波器:Sobel,Scharr 和Laplacian.Sobel,Scharr 其实就是求一阶或二阶导数.Scharr ...
OpenCV图像梯度算子
梯度简单来说就是求导. OpenCV 提供了三种不同的梯度滤波器,或者说高通滤波器:Sobel,Scharr 和 Laplacian. Sobel,Sc ...
基于Python的Opencv图像梯度处理
图像梯度直观反应其实就是图像当中各物体的轮廓,而在像素点上的体现其实就是相邻像素点之间的差值,差值越大,轮廓就会越清晰(可用于图像增强),而Opencv提供了以下三种算子来进行图像的梯度处理,跟在之前 ...
opencv 图像梯度(python)
图像梯度图像梯度 Sobel理论基础计算水平方向偏导数的近似值计算垂直方向偏导数的近似值 Sobel算子及函数使用注意点:参数ddepth 方向计算x方向和y方向的边缘叠加 Scharr算子 ...
数字图像处理：（1）图像梯度以及算子应用
1.数学意义上的梯度在理解图像梯度是什么的时候,我们首先要回忆一下以前学习过得梯度是什么? 见链接: https://blog.csdn.net/m0_37957160/article/detail ...
OpenCV--033_2: 图像梯度--Sobel算子
索贝尔算子(Sobel operator) 主要用作边缘检测,在技术上,它是一离散性差分算子,用来运算图像亮度函数的灰度之近似值.在图像的任何一点使用此算子,将会产生对应的灰度矢量或是其法矢量. So ...
OpenCV-Python图像梯度 Sobel算子
图像的梯度计算的是图像变化的速度,对于边缘部分呢灰度值变换大,梯度值也大,相反则灰度值变化小,梯度值小 Sobel算子是一种离散的微分算子,该算子结合了高斯平滑处理和微分求导运算. 该算子利用局部差寻 ...

OpenCV图像梯度——Scharr算子（cv2.Scharr()）

Scharr算子

OpenCV图像梯度——Scharr算子（cv2.Scharr()）相关推荐

最新文章

热门文章