OpenCV中图片边缘提取算子cv2.Scharr()和cv2.Laplacian()的讲解

一、图像梯度-Scharr算子

        1、cv2.Scharr(src,ddepth,dx,dy)

           参数说明：

                src表示输入的图片，

                ddepth表示图片的深度，通常使用-1， 这里使用cv2.CV_64F允许结果是负值，

                dx表示x轴方向算子，

                dy表示y轴方向算子

        注：scharr算子， 从图中我们可以看出scharr算子，比sobel算子在比例上要更大，因此这样的好处是scharr算子获得的结果能体现出更多的边缘梯度的细节

二、图像梯度-Laplacian算子

        1、cv2.Laplacian(src， ddepth) 使用拉普拉斯算子进行计算

           参数说明：

                src表示输入的图片，

                ddepth表示图片的深度，这里使用cv2.CV_64F允许结果是负值

            

        注：laplacian 算子，从图中可以看出当前点的位置与周围4个点位置之差， 即周围四个点之和 - 4*当前位置像素点，这种算法容易受到噪声点的干扰，不存在x和y轴的计算过程

案例：

#不同算子的差异
img = cv2.imread('lena.jpg',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)
laplacian = cv2.convertScaleAbs(laplacian)   

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