OpenCV 入门教程： Sobel算子和Scharr算子

小蓝枣

发布于 2023-07-10 16:06:40

1K00

代码可运行

文章被收录于专栏：CSDN博客专家-小蓝枣的博客CSDN博客专家-小蓝枣的博客

运行总次数：0

代码可运行

OpenCV 入门教程： Sobel 算子和 Scharr 算子

导语

在图像处理和计算机视觉领域，边缘检测是一项重要的任务。 Sobel 算子和 Scharr 算子是两种常用的边缘检测算子，用于检测图像中的边缘信息。 OpenCV 提供了这两种算子的实现函数，使得边缘检测更加简单和高效。本文将以 Sobel 算子和 Scharr 算子为中心，为你介绍使用 OpenCV 进行边缘检测的基本步骤和实例。

😃😄 ❤️ ❤️ ❤️

一、Sobel 算子

Sobel 算子是一种经典的边缘检测算子，通过计算像素邻域内的梯度值来检测边缘。以下是一个使用 Sobel 算子进行边缘检测的示例代码：

import cv2

# 读取图像文件
image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 使用Sobel算子进行边缘检测
dx = 1  # x方向的阶数
dy = 0  # y方向的阶数
ksize = 3  # 设置Sobel算子的大小
edges = cv2.Sobel(image, cv2.CV_64F, dx, dy, ksize)
edges = cv2.convertScaleAbs(edges)

在上述示例中，我们使用 Sobel 函数对灰度图像进行边缘检测。 dx 和 dy 参数指定了 Sobel 算子的阶数，用于控制检测边缘的方向。 ksize 参数指定了 Sobel 算子的大小，较大的大小将产生更粗的边缘线条。

二、Scharr 算子

Scharr 算子是 Sobel 算子的改进版，具有更好的边缘检测效果。以下是一个使用 Scharr 算子进行边缘检测的示例代码：

import cv2

# 读取图像文件
image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 使用Scharr算子进行边缘检测
dx = 1  # x方向的阶数
dy = 0  # y方向的阶数
edges = cv2.Scharr(image, cv2.CV_64F, dx, dy)
edges = cv2.convertScaleAbs(edges)

在上述示例中，我们使用 Scharr 函数对灰度图像进行边缘检测。与 Sobel 算子类似， dx 和 dy 参数指定了 Scharr 算子的阶数，用于控制检测边缘的方向。

三、示例应用

现在，我们来看一些常见的示例应用，演示 Sobel 算子和 Scharr 算子的边缘检测操作：

3.1 图像边缘检测

使用 Sobel 算子或 Scharr 算子，可以检测图像中的边缘信息。以下是一个示例代码：

import cv2

# 读取图像文件
image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 使用Sobel算子进行边缘检测
dx = 1  # x方向的阶数
dy = 0  # y方向的阶数
ksize = 3  # 设置Sobel算子的大小
edges_sobel = cv2.Sobel(image, cv2.CV_64F, dx, dy, ksize)
edges_sobel = cv2.convertScaleAbs(edges_sobel)

# 使用Scharr算子进行边缘检测
dx = 1  # x方向的阶数
dy = 0  # y方向的阶数
edges_scharr = cv2.Scharr(image, cv2.CV_64F, dx, dy)
edges_scharr = cv2.convertScaleAbs(edges_scharr)

这个示例将加载名为" image.jpg "的灰度图像文件，并分别使用 Sobel 算子和 Scharr 算子进行边缘检测。

3.2 边缘增强

除了边缘检测， Sobel 算子和 Scharr 算子还可以用于图像的边缘增强。以下是一个示例代码：

import cv2

# 读取图像文件
image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 使用Sobel算子进行边缘增强
dx = 1  # x方向的阶数
dy = 0  # y方向的阶数
ksize = 3  # 设置Sobel算子的大小
edges_sobel = cv2.Sobel(image, cv2.CV_64F, dx, dy, ksize)
edges_sobel_enhanced = cv2.addWeighted(image, 1, edges_sobel, 0.5, 0)

# 使用Scharr算子进行边缘增强
dx = 1  # x方向的阶数
dy = 0  # y方向的阶数
edges_scharr = cv2.Scharr(image, cv2.CV_64F, dx, dy)
edges_scharr_enhanced = cv2.addWeighted(image, 1, edges_scharr, 0.5, 0)

这个示例将加载名为" image.jpg "的灰度图像文件，并分别使用 Sobel 算子和 Scharr 算子进行边缘增强。