图像处理Scharr 算子

Make_magic2023-11-23 9:37

Scharr算子是用于图像边缘检测的一种算子，它类似于Sobel算子，但是对边缘的响应更加强烈。它可以用来检测图像中的边缘、轮廓等特征。

原理：

Scharr算子是一种卷积核（也称为卷积模板），用于计算图像的梯度。它包含两个3x3的卷积核，分别用于计算图像在水平方向和垂直方向上的梯度。这两个卷积核分别可以表示为：

水平方向的Scharr卷积核：
K x = $- 3 0 3 - 10 0 10 - 3 0 3$ K_x = \begin{bmatrix} -3 & 0 & 3 \\ -10 & 0 & 10 \\ -3 & 0 & 3 \end{bmatrix} Kx= −3−10−30003103

垂直方向的Scharr卷积核：
K y = $- 3 - 10 - 3 0 0 0 3 10 3$ K_y = \begin{bmatrix} -3 & -10 & -3 \\ 0 & 0 & 0 \\ 3 & 10 & 3 \end{bmatrix} Ky= −303−10010−303

作用和适用场景：

Scharr算子主要用于图像边缘检测，特别是对于边缘细节较多的图像。它可以提供更强的边缘响应，相比于其他算子，更能够准确地检测到图像中的细微变化，因此适用于对细节要求较高的图像处理任务。

示例代码：

在 OpenCV 中，可以使用 cv2.Scharr() 函数来应用Scharr算子进行图像边缘检测。

python 复制代码

import cv2
import numpy as np

def show_images(image):
    cv2.namedWindow('image',cv2.WINDOW_KEEPRATIO)
    cv2.imshow('image',image)
    cv2.waitKey()
    cv2.destroyAllWindows()

def Scharr(image):
    # 应用Scharr算子进行边缘检测
    grad_x=cv2.Scharr(image,cv2.CV_64F,1,0)# 在x方向上计算梯度
    grad_y=cv2.Scharr(image,cv2.CV_64F,0,1)# 在y方向上计算梯度

    abs_x=cv2.convertScaleAbs(grad_x)
    abs_y=cv2.convertScaleAbs(grad_y)

    grad_xy=cv2.addWeighted(abs_x,0.5,abs_y,0.5,0)

    return grad_x,grad_y,grad_xy

if __name__ == '__main__':
    # 读取图像
    img = cv2.imread('cat-dog.png', flags=0)
    re_img=Scharr(img)
    # 将四张图像连接成一个大图像
    top_row = np.hstack((img, re_img[0]))
    bottom_row = np.hstack((re_img[1], re_img[2]))
    combined_img = np.vstack((top_row, bottom_row))

    show_images(combined_img)