目录
OpenCV------Scharr边缘检测由CSDN点云侠原创，爬虫自重。如果你不是在点云侠的博客中看到该文章，那么此处便是不要脸的爬虫。
一、Scharr算法
1、算法概述
Scharr边缘检测算法是对Sobel算子差异性的增强，因此两者在检测图像边缘的原理和使用方式上相同。Scharr算子的边缘检测滤波尺寸为3x3，因此也可称其为Scharr滤波器。可以通过将滤波器中的权重系数放大来增大像素见的差异，Scharr算子就是采用这种思想，其在X方向一阶Scharr边缘检测算子为：
− 3 0 3 − 10 0 10 − 3 0 3 \] (1) \\left\[ \\begin{matrix} -3 \& 0 \& 3\\\\ -10 \& 0 \& 10 \\\\ -3 \& 0 \& 3 \\end{matrix} \\right\] \\tag{1} −3−10−30003103 (1)
Y方向一阶Scharr边缘检测算子为：
\[ − 3 10 − 3 0 0 0 3 10 3 \] (2) \\left\[ \\begin{matrix} -3 \& 10 \& -3\\\\ 0 \& 0 \& 0 \\\\ 3 \& 10 \& 3 \\end{matrix} \\right\] \\tag{2} −30310010−303 (2)
### 2、主要函数
```cpp
void Scharr( InputArray src, OutputArray dst, int ddepth,
int dx, int dy, double scale = 1, double delta = 0,
int borderType = BORDER_DEFAULT )
```
* `src`：传入的图像
* `ddepth`：图像的深度，可以为-1、CV_16S、CV_32F、CV_64F。
* `dx`、`dy`：指的是求导的阶数，0表示这个方向上没有求导，所填的数一般为0、1、2。
* `scale`：计算可选比例因子，默认值1 。
* `delta`：加到输出像素的偏值，默认为0 。
* `borderType`：边界类型，默认值BORDER_DEFAULT。
## 二、C++代码
```cpp
#include
#include
using namespace cv;
using namespace std;
int main()
{
//读取图像，黑白图像边缘检测结果较为明显
Mat img = imread("2.jpg", IMREAD_ANYDEPTH);
if (img.empty())
{
cout << "请确认图像文件名称是否正确" << endl;
return -1;
}
Mat resultX, resultY, resultXY;
//X方向一阶边缘
Scharr(img, resultX, CV_16S, 1, 0);
convertScaleAbs(resultX, resultX);
//Y方向一阶边缘
Scharr(img, resultY, CV_16S, 0, 1);
convertScaleAbs(resultY, resultY);
//整幅图像的一阶边缘
resultXY = resultX + resultY;
//显示图像
imshow("resultX", resultX);
imshow("resultY", resultY);
imshow("resultXY", resultXY);
waitKey(0);
return 0;
}
```
## 三、python代码
```python
import cv2
img = cv2.imread("2.jpg")
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# -------------------Scharr边缘检测------------------------
x = cv2.Scharr(gray_img, cv2.CV_16S, 1, 0)
y = cv2.Scharr(gray_img, cv2.CV_16S, 0, 1)
# cv2.convertScaleAbs(src[, dst[, alpha[, beta]]])
# 可选参数alpha是伸缩系数，beta是加到结果上的一个值，结果返回uint类型的图像
Scharr_absX = cv2.convertScaleAbs(x) # convert 转换 scale 缩放
Scharr_absY = cv2.convertScaleAbs(y)
result = cv2.addWeighted(Scharr_absX, 0.5, Scharr_absY, 0.5, 0)
# ----------------------显示结果----------------------------
cv2.imshow('origin_img', img)
cv2.imshow('img', gray_img)
cv2.imshow('Scharr_absX', Scharr_absX)
cv2.imshow('Scharr_absY', Scharr_absY)
cv2.imshow('result', result)
cv2.waitKey(0)
cv2.destroyAllWindows()
```
## 四、结果展示
### 1、灰度图
### 2、X方向一阶边缘
### 2、Y方向一阶边缘
### 3、整幅图像的一阶边缘
## 五、相关链接
\[1\] [Scharr（边缘提取）](https://www.jianshu.com/p/27f883dd596f)