OpenCV-Python——Sobel边缘检测算子和Scharr算子

最新推荐文章于 2024-04-24 07:45:11 发布

yyyzhhhhh

最新推荐文章于 2024-04-24 07:45:11 发布

阅读量628

点赞数

分类专栏： opencv

本文链接：https://blog.csdn.net/a13602955218/article/details/84331019

版权

本文介绍了OpenCV-Python中Sobel和Scharr边缘检测算子的使用方法。Sobel算子用于计算图像的梯度，以检测边缘，由于8位输入图像可能导致梯度值截断，因此推荐使用cv2.CV_16S数据类型。在处理后，需通过convertScaleAbs()转换回uint8类型以显示图像。Scharr算子与Sobel类似，但能提供更精确的结果。最终，通过cv2.addWeighted()函数结合两个方向的梯度得到完整的边缘检测图像。

摘要由CSDN通过智能技术生成

Sobel算子
在这里插入图片描述
Sobel算子依然是一种过滤器，只是其是带有方向的。在OpenCV-Python中，使用Sobel的算子的函数原型如下：

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

函数返回其处理结果。

前四个是必须的参数：

第一个参数是需要处理的图像；
第二个参数是图像的深度，-1表示采用的是与原图像相同的深度。目标图像的深度必须大于等于原图像的深度；这里的深度应该理解为数据类型的长度，如uint8的深度就是8。
dx和dy表示的是求导的阶数，0表示这个方向上没有求导，一般为0、1、2。

其后是可选的参数：

dst不用解释了；
ksize是Sobel算子的大小，必须为1、3、5、7。
scale是缩放导数的比例常数，默认情况下没有伸缩系数；
delta是一个可选的增量，将会加到最终的dst中，同样，默认情况下没有额外的值加到dst中；
borderType是判断图像边界的模式。这个参数默认值为cv2.BORDER_DEFAULT。

Sobel算子还有一种更常用的版本，就是Scharr算子，用法与sobel算子是一样的
dst = cv2.Scharr(src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderTy