opencv的sobel算子和scharr算子的区别

本文通过Python OpenCV库实现Sobel算子和Scharr算子进行图像边缘检测,对比两者效果。Sobel算子能有效检测图像边缘,而Scharr算子则提供更详细的边缘信息,适用于需要精细边缘特征的应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >


import cv2

img = cv2.imread('../data/1.jpg', 0)

sobelx0 = cv2.Sobel(img, cv2.CV_64F, 1, 0)  # 获取水平方向边缘梯度,第二个参数表示获取所有边缘信息不要遗漏
sobely0 = cv2.Sobel(img, cv2.CV_64F, 0, 1)  # 获取垂直方向边缘梯度,第二个参数表示获取所有边缘信息不要遗漏

sobelx0 = cv2.convertScaleAbs(sobelx0)  # 取绝对值
sobely0 = cv2.convertScaleAbs(sobely0)  # 取绝对值


sobelx = cv2.Scharr(img, cv2.CV_64F, 1, 0)  # 获取水平方向边缘梯度,第二个参数表示获取所有边缘信息不要遗漏
sobely = cv2.Scharr(img, cv2.CV_64F, 0, 1)  # 获取垂直方向边缘梯度,第二个参数表示获取所有边缘信息不要遗漏

sobelx = cv2.convertScaleAbs(sobelx)  # 取绝对值
sobely = cv2.convertScaleAbs(sobely)  # 取绝对值

dst_sobel = cv2.addWeighted(sobelx0, 1, sobely0, 1, 0)  # 将两个方向的梯度结合成新的一个完整图像的梯度
dst_scharr = cv2.addWeighted(sobelx, 1, sobely, 1, 0)  # 将两个方向的梯度结合成新的一个完整图像的梯度

cv2.imshow('dst_scharr', dst_scharr)
cv2.imshow('dst_sobel', dst_sobel)
cv2.waitKey()
cv2.destroyAllWindows()

cv2.imwrite('../data/sobel.jpg', dst_sobel)
cv2.imwrite('../data/scharr.jpg', dst_scharr)

原图
在这里插入图片描述
sobel算子效果图
在这里插入图片描述
scharr算子效果图
在这里插入图片描述

从这两张效果图可以看出,scharr算子会带来更多图片的边缘细节,本质也算是一种缺点吧,如果是为了单纯提取图片的轮款的话

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值