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 =

Kx​= ​−3−10−3​000​3103​ ​
  垂直方向的Scharr卷积核：
K y = [ − 3 − 10 − 3 0 0 0 3 10 3 ] K_y =

[−3−10−30003103]" role="presentation" style="text-align: center; position: relative;">⎡⎣⎢−303−10010−303⎤⎦⎥$$\left[\begin{array}{ccc}-3& -10& -3\\ 0& 0& 0\\ 3& 10& 3\end{array}\right]$$

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。

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)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31