本文介绍: Scharr算子用于图像边缘检测的一种算子,它类似于Sobel算子,但是对边缘响应更加强烈。它可以用来检测图像中的边缘轮廓特征

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方向计算梯度
    grad_y=cv2.Scharr(image,cv2.CV_64F,0,1)# 在y方向计算梯度

    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)

原文地址:https://blog.csdn.net/qq_50993557/article/details/134539086

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。

如若转载,请注明出处:http://www.7code.cn/show_3847.html

如若内容造成侵权/违法违规/事实不符,请联系代码007邮箱:suwngjj01@126.com进行投诉反馈,一经查实,立即删除

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注