opencv的sobel算子和scharr算子的区别

import cv2

img = cv2.imread('../data/1.jpg', 0)

sobelx0 = cv2.Sobel(img, cv2.CV_64F, 1, 0)  # 获取水平方向边缘梯度，第二个参数表示获取所有边缘信息不要遗漏
sobely0 = cv2.Sobel(img, cv2.CV_64F, 0, 1)  # 获取垂直方向边缘梯度，第二个参数表示获取所有边缘信息不要遗漏

sobelx0 = cv2.convertScaleAbs(sobelx0)  # 取绝对值
sobely0 = cv2.convertScaleAbs(sobely0)  # 取绝对值


sobelx = cv2.Scharr(img, cv2.CV_64F, 1, 0)  # 获取水平方向边缘梯度，第二个参数表示获取所有边缘信息不要遗漏
sobely = cv2.Scharr(img, cv2.CV_64F, 0, 1)  # 获取垂直方向边缘梯度，第二个参数表示获取所有边缘信息不要遗漏

sobelx = cv2.convertScaleAbs(sobelx)  # 取绝对值
sobely = cv2.convertScaleAbs(sobely)  # 取绝对值

dst_sobel = cv2.addWeighted(sobelx0, 1, sobely0, 1, 0)  # 将两个方向的梯度结合成新的一个完整图像的梯度
dst_scharr = cv2.addWeighted(sobelx, 1, sobely, 1, 0)  # 将两个方向的梯度结合成新的一个完整图像的梯度

cv2.imshow('dst_scharr', dst_scharr)
cv2.imshow('dst_sobel', dst_sobel)
cv2.waitKey()
cv2.destroyAllWindows()

cv2.imwrite('../data/sobel.jpg', dst_sobel)
cv2.imwrite('../data/scharr.jpg', dst_scharr)

原图

sobel算子效果图

scharr算子效果图

从这两张效果图可以看出，scharr算子会带来更多图片的边缘细节，本质也算是一种缺点吧，如果是为了单纯提取图片的轮款的话