图像梯度-scharr算子

最新推荐文章于 2025-03-04 15:26:56 发布

原创

最新推荐文章于 2025-03-04 15:26:56 发布 · 5.2k 阅读

12 ·

CC 4.0 BY-SA版权

文章介绍了Scharr算子与Sobel算子在计算梯度时的差异。尽管两者的计算量和速度相同，但Scharr算子提供了更高的精度，因此在实际应用中更常用于图像梯度检测。文中通过函数展示了Scharr算子的实现，并指出当Sobel函数的第五个参数为-1时，表示使用的是Scharr算子。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

sobel算子 1 2 1
scharr算子 3 10 3
两者计算量和计算速度是一样的，但是scharr算子准确度更高，在梯度检测时用的也更多。
在这里插入图片描述
函数如下所示：

参数解释见上一篇sobel算子。
求两个方向上的梯度：使用fx fy同时为1，这种编程方式会报错，故和sobel算子不一样，只能有一种编程方式，即相加，使用函数addWeighted 。

其实也可以说scharr算子是对sobel算子的改进，故
在这里插入图片描述
sobel函数的第五个值表示卷积核大小，不可能为负数，所以为-1 时，表示scharr算子。

import cv2
a=cv2.imread('image\\sobel.bmp',cv2.IMREAD_GRAYSCALE)
scharrx=cv2.Scharr(a,cv2.CV_64F,1,0)
scharrx=cv2.convertScaleAbs(scharrx)
scharry=cv2.Scharr(a,cv2.CV_64F,0,1)
scharry=cv2.convertScaleAbs(scharry)
scharrxy=cv2.addWeighted(scharrx,0.5,scharry,0.5,0)
cv2.imshow('a',a)
cv2.imshow('scharrx',scharrx)
cv2.imshow('scharry',scharry)
cv2.imshow('scharrxy',sch