图像处理Scharr 算子

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)
相关推荐
数据智能老司机33 分钟前
精通 Python 设计模式——分布式系统模式
python·设计模式·架构
数据智能老司机2 小时前
精通 Python 设计模式——并发与异步模式
python·设计模式·编程语言
数据智能老司机2 小时前
精通 Python 设计模式——测试模式
python·设计模式·架构
数据智能老司机2 小时前
精通 Python 设计模式——性能模式
python·设计模式·架构
c8i2 小时前
drf初步梳理
python·django
每日AI新事件2 小时前
python的异步函数
python
这里有鱼汤3 小时前
miniQMT下载历史行情数据太慢怎么办?一招提速10倍!
前端·python
databook12 小时前
Manim实现脉冲闪烁特效
后端·python·动效
程序设计实验室12 小时前
2025年了,在 Django 之外,Python Web 框架还能怎么选?
python
倔强青铜三14 小时前
苦练Python第46天:文件写入与上下文管理器
人工智能·python·面试