opencv中 aplacian算子、Scharr和Sobel算子的API参数

1.Laplacian算子：

cv2.Laplacian(src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]])

src: 输入图像，通常为灰度图像（单通道）。
ddepth: 输出图像的深度，一般使用cv2.CV_64F。
dst: 输出图像，与输入图像大小相同，可以不指定。
ksize: Laplacian算子的卷积核大小，一般为奇数，默认为1。
scale: 缩放因子，用于调整输出图像的强度，默认为1。
delta: 加法常数，用于调整输出图像的亮度，默认为0。
borderType: 边界扩充方式，默认为cv2.BORDER_DEFAULT。

需要注意的是Laplacian算子是一种二阶微分算子，用于检测图像中的边缘和纹理变化。Laplacian算子对于细节和纹理的捕捉较好，但它对噪声比较敏感。通常不单独使用laplacian。

2.Scharr算子：

cv2.Scharr(src, ddepth, dx, dy[, dst[, scale[, delta[, borderType]]]])

src: 输入图像，通常为灰度图像（单通道）。
ddepth: 输出图像的深度，一般使用cv2.CV_64F。
dx: x方向的导数阶数，取0、1或-1。当dx取-1时，表示使用水平方向的一阶导数（即对x方向进行边缘检测），而dy使用默认值0，表示不进行垂直方向的边缘检测。（其他类似）
dy: y方向的导数阶数，取0、1或-1。
其他参数与Laplacian算子类似。

cv2.Scharr函数没有ksize参数。这是因为Scharr算子的卷积核大小是固定的，它使用了一个特定的3x3卷积核。与Sobel算子相比，Scharr算子在边缘检测方面具有更高的精度，因此不需要指定卷积核大小。

3.Sobel算子：

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

src: 输入图像，通常为灰度图像（单通道）。
ddepth: 输出图像的深度，一般使用cv2.CV_64F。
dx: x方向的导数阶数，取0、1或-1。
dy: y方向的导数阶数，取0、1或-1。
ksize: Sobel算子的卷积核大小，一般为奇数，默认为3。
其他参数与Laplacian算子类似。

演示

img = cv2.imread('你的路径',cv2.IMREAD_GRAYSCALE)
sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=3)
sobelx = cv2.convertScaleAbs(sobelx)   
sobely = cv2.convertScaleAbs(sobely)  
sobelxy =  cv2.addWeighted(sobelx,0.5,sobely,0.5,0)  

scharrx = cv2.Scharr(img,cv2.CV_64F,1,0)
scharry = cv2.Scharr(img,cv2.CV_64F,0,1)
scharrx = cv2.convertScaleAbs(scharrx)   
scharry = cv2.convertScaleAbs(scharry)  
scharrxy =  cv2.addWeighted(scharrx,0.5,scharry,0.5,0) 

laplacian = cv2.Laplacian(img,cv2.CV_64F,ksize=3)
laplacian = cv2.convertScaleAbs(laplacian)   

r = np.hstack((img,sobelxy,scharrxy,laplacian))
cv_show('r',r)

输出结果：分别：原图、sobel、scharr、laplacian