OpenCV——Scharr边缘检测

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 复制代码
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 复制代码
#include <opencv2\opencv.hpp>
#include <iostream>

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 复制代码
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)

相关推荐
英辰朗迪AI获客8 分钟前
英辰朗迪GEO知识库第188期:动态渲染站点在AI搜索里成了隐形人
人工智能
承渊政道11 分钟前
【Python编程—从入门到实践】(设置样式并部署:给Django网站换新装,把学习笔记发布到互联网)
python·学习·pycharm·django
布莱克60515 分钟前
Swift 字符串详解:从基础用法到性能与最佳实践
服务器·开发语言·ssh·字符串·swift
硅谷秋水19 分钟前
MorphMimic 方法分析
人工智能·机器学习·计算机视觉·机器人
Pniubi30 分钟前
贪心算法入门
算法·贪心算法
用户2986985301437 分钟前
使用 Python 将 JSON 转换为 Word 文档的实践指南
python·json·api
MobotStone41 分钟前
AI 能不能越用越会用?从“改答案”到“改进自己”,读懂 RSI
人工智能·算法
jay神1 小时前
基于 YOLOv8 的传送带异物检测系统(Web 版)
前端·人工智能·深度学习·yolo·计算机视觉·计算机毕业设计
卷无止境1 小时前
AI 加速开发之后,如何应对尚未发现的代码安全威胁
后端·python
复杂网络与机器学习1 小时前
Meta 重写 K-Means:25 轮压成 2 轮,GPU 快 45 倍
人工智能·算法·数据挖掘