前文介绍了sobel算子
opencv学习笔记14:sobel算子及其函数使用

scharr算子理论

系数和sobel不一样，其他一样。

scharr函数使用

dst=cv2.Scharr(src,ddpetph,dx,dy)
dst:处理结果
src:源图像
ddpetph:图像深度
dx:x轴方向,
dy:y轴方向

实际操作中，计算梯度值可能会出现负值而被截断。通常处理的图像类型为np.unit8，处理后的结果也是该类型，所有负数截断为0，发生信息丢失。
所以，在计算时，使用更高的数据类型cv2.CV_64F，取绝对值后再转换成np.unit8（cv2.CV_8U）。所以深度ddepth不写-1，改cv2.CV_64F
cv2.convertScaleAbs(imgsrc)
取绝对值，并将梯度图像转换成256色位图，转换为unit8类型

scharr算例代码

计算x轴梯度

import cv2
import numpy as np
o = cv2.imread('scharr.bmp',cv2.IMREAD_GRAYSCALE)
scharrx = cv2.Scharr(o,cv2.CV_64F,1,0)
scharrx = cv2.convertScaleAbs(scharrx)   # 转回uint8
cv2.imshow("original",o)
cv2.imshow("x",scharrx)
cv2.waitKey()
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9

计算y轴梯度

import cv2
import numpy as np
o = cv2.imread('scharr.bmp',cv2.IMREAD_GRAYSCALE)
scharry = cv2.Scharr(o,cv2.CV_64F,0,1)
scharry = cv2.convertScaleAbs(scharry)  # 转回uint8
cv2.imshow("original",o)
cv2.imshow("y",scharry)
cv2.waitKey()
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9

计算dx+dy

import cv2
import numpy as np
o = cv2.imread('scharr.bmp',cv2.IMREAD_GRAYSCALE)
scharrx = cv2.Scharr(o,cv2.CV_64F,1,0)
scharry = cv2.Scharr(o,cv2.CV_64F,0,1)
scharrx = cv2.convertScaleAbs(scharrx)   # 转回uint8  
scharry = cv2.convertScaleAbs(scharry)  
scharrxy =  cv2.addWeighted(scharrx,0.5,scharry,0.5,0)  
cv2.imshow("original",o)
cv2.imshow("xy",scharrxy)
cv2.waitKey()
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12

错误示例：dx=1,dy=1
这点不同于sobel

import cv2
import numpy as np
o = cv2.imread('scharr.bmp',cv2.IMREAD_GRAYSCALE)
scharrxy11=cv2.Scharr(o,cv2.CV_64F,1,1)
cv2.imshow("original",o)
cv2.imshow("xy11",scharrxy11)
cv2.waitKey()
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8

dx >= 0 && dy >= 0 && dx+dy == 1

注意：
dst=cv2.Scharr(src,cv2.CV_64F,dx,dy)
等于
dst=cv2.Sobel(src,cv2.CV_64F,dx,dy,-1)

Sobel对一个卷积核参数，默认为3.当卷积核=-1时，表示Scharr函数

总目录链接：
python3+opencv学习笔记汇总目录（适合基础入门学习）

进阶版梯度讲解：
opencv进阶学习笔记10：图像金字塔和图像梯度
电气专业的计算机小白，写博文不容易。如果你觉得本文对你有用，请点个赞支持下，谢谢。