OpenCV Sobel检测算子和Scharr检测算子

Sobel边缘检测算法比较简单，实际应用中效率比canny边缘检测效率要高，但是边缘不如Canny检测的准确，但是很多实际应用的场合，sobel边缘却是首选，Sobel算子是高斯平滑与微分操作的结合体，所以其抗噪声能力很强，用途较多。尤其是效率要求较高，而对细纹理不太关心的时候。

Sobel_x_or_y = cv2.Sobel(src, ddepth, dx, dy, dst, ksize, scale, delta, borderType)

src：传入的图像
ddepth: 图像的深度
dx和dy: 指求导的阶数，0表示这个方向上没有求导，取值为0、1。
ksize: 是Sobel算子的大小，即卷积核的大小，必须为奇数1、3、5、7，默认为3。

注意：如果ksize=-1，就演变成为3x3的Scharr算子。
scale：缩放导数的比例常数，默认情况为没有伸缩系数。
borderType：图像边界的模式，默认值为cv2.BORDER_DEFAULT。

Sobel函数求完导数后会有负值，还有会大于255的值。而原图像是uint8，即8位无符号数，所以Sobel建立的图像位数不够，会有截断。因此要使用16位有符号的数据类型，即cv2.CV_16S。处理完图像后，再使用cv2.convertScaleAbs()函数将其转回原来的uint8格式，否则图像无法显示。

Sobel算子是在两个方向计算的，最后还需要用cv2.addWeighted( )函数将其组合起来

Scale_abs = cv2.convertScaleAbs(x)  # 格式转换函数
result = cv2.addWeighted(src1, alpha, src2, beta) # 图像混合

import cv2 as cv
from matplotlib import pyplot as plt
# 1 读取图像
img = cv.imread('./1.png', 0)# 2.1 计算Sobel卷积结果
x1 = cv.Sobel(img, cv.CV_16S, 1, 0)  # x轴求导
y1 = cv.Sobel(img, cv.CV_16S, 0, 1)  # y轴求导# 2.2 计算Scharr卷积结果
x2 = cv.Sobel(img, cv.CV_16S, 1, 0, ksize=-1)
y2 = cv.Sobel(img, cv.CV_16S, 0, 1, ksize=-1)# 3.1 将Sobel数据结果进行转换
Scale_absX1 = cv.convertScaleAbs(x1)  # convert 转换  scale 缩放
Scale_absY1 = cv.convertScaleAbs(y1)# 3.2 将Scharr数据结果进行转换
Scale_absX2 = cv.convertScaleAbs(x2)  # convert 转换  scale 缩放
Scale_absY2 = cv.convertScaleAbs(y2)# 4.1 Sobel转换后结果合成
result1 = cv.addWeighted(Scale_absX1, 0.5, Scale_absY1, 0.5, 0)# 4.2 Scharr转换后结果合成
result2 = cv.addWeighted(Scale_absX2, 0.5, Scale_absY2, 0.5, 0)# 5. 图像显示
fig, axes = plt.subplots(nrows=1, ncols=3, figsize=(10, 8), dpi=100)
axes[0].imshow(img, cmap=plt.cm.gray)
axes[0].set_title("原图")
axes[1].imshow(result1, cmap=plt.cm.gray)
axes[1].set_title("Sobel滤波后结果")
axes[2].imshow(result2, cmap=plt.cm.gray)
axes[2].set_title("Scharr滤波后结果")
plt.show()

上述代码中计算sobel算子的部分中将ksize设为-1，就是利用Scharr进行边缘检测。

x = cv.Sobel(img, cv.CV_16S, 1, 0, ksize=-1)
y = cv.Sobel(img, cv.CV_16S, 0, 1, ksize=-1)

OpenCV Sobel检测算子和Scharr检测算子相关推荐

图像梯度——Sobel算子和Laplacian算子
一.Sobel算子 1.定义 Sobel算子是一种离散的微分算子,结合了高斯平滑和微分求导运算,利用局部拆分寻找边缘,计算所得的是一个梯度的近似值. Sobel算子=|左-右|/|下-上| Schar ...
OpenCV Sobel和Scharr （索贝尔和夏尔滤波器检测边缘）
::返回OpenCV算子速查表 OpenCV Sobel和Scharr 1. 函数定义 1.1 声明 1.2 重要参数解析 2. 例程 2.1 处理效果原图在x,y方向分别求导如果两个方向一起求 ...
[Python图像处理] 十八.图像锐化与边缘检测之Scharr算子、Canny算子和LOG算子
该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门.OpenCV基础用法,中期讲解图像处理的各种算法,包括图像锐化算子.图像增强技术.图像分割等,后期结合深度学习研究图像识别 ...
python高斯滤波和降噪_python添加高斯噪声和椒盐噪声，实现中值滤波和均值滤波，实现Roberts算子和Sobel算子...
写在前面 HIT大三上学期视听觉信号处理课程中视觉部分的实验一,经过和学长们实验的对比发现每一级实验要求都不一样,因此这里标明了是2019年秋季学期的视觉实验一. 由于时间紧张,代码没有进行任何优化, ...
边缘提取——Prewitt算子和Sobel算子
目录 Prewitt算子和Sobel算子理论介绍编码实现(Python) debug过程 Prewitt算子和Sobel算子理论介绍 Prewitt算子和Sobel算子也是基于一阶导数的算子. ...
图像的常规边缘检测(梯度算子、Roberts算子和Sobel算子)之c++实现（qt + 不调包）
1.基本原理边缘检测一般是利用微分等方法,通过对灰度跃变的分析寻找图像上区域边缘的技术.今天的猪脚是梯度算子和Roberts算子. 1.梯度算子是怎么来的? 答:图像是一个二维集合,在(x, y)处 ...
《OpenCv视觉之眼》Python图像处理十四 :Opencv图像轮廓提取之Scharr算法和Canny算法
本专栏主要介绍如果通过OpenCv-Python进行图像处理,通过原理理解OpenCv-Python的函数处理原型,在具体情况中,针对不同的图像进行不同等级的.不同方法的处理,以达到对图像进行去噪.锐 ...
OpenCv入门（六）——几何检测
目录 0x01 了解霍夫变换 0x02 线检测技术 0x03 LSD快速直线检测 0x04 圆检测技术 0x05 轮廓检测 0x01 了解霍夫变换霍夫变换是要从图像钟识别几何形状的基本图像处理方法之 ...
【OpenCV 例程 300篇】240. OpenCV 中的 Shi-Tomas 角点检测
『youcans 的 OpenCV 例程300篇 - 总目录』 [youcans 的 OpenCV 例程 300篇]240. OpenCV 中的 Shi-Tomas 角点检测角是直线方向的快速变化. ...

OpenCV Sobel检测算子和Scharr检测算子

OpenCV Sobel检测算子和Scharr检测算子相关推荐

最新文章

热门文章