8.9Scharr算子

目录

实验原理

示例代码

运行结果

---

实验原理

在OpenCV中，Scharr函数用于计算图像的一阶导数，通常用于边缘检测任务。Scharr算子与Sobel算子类似，但提供了更好的精度，尤其是在图像边缘细节较多的情况下。Scharr算子使用了3x3的核，其权重设计使得在理论上可以获得更高的准确度。

函数原型

void Scharr(InputArray src, OutputArray dst, 
        int ddepth, int dx, int dy, double scale=1, 
        double delta=0, int borderType=BORDER_DEFAULT);

参数说明
src: 输入图像，可以是单通道或多通道图像，每个通道可以是8位或32位浮点类型。
dst: 输出图像。输出图像将具有与源图像相同的大小和通道数，但深度由ddepth参数指定。
ddepth: 指定输出图像的深度。可以是CV_16S, CV_32F 或 CV_64F。
dx: 在x方向上的求导次数，通常是1（表示计算x方向的梯度）。
dy: 在y方向上的求导次数，通常是1（表示计算y方向的梯度）。
scale: 可选参数，用于缩放导数结果。默认值为1。
delta: 可选参数，用于加到导数结果上的偏移量。默认值为0。
borderType: 可选参数，指定边界扩展方式。默认值为BORDER_DEFAULT，通常意味着BORDER_REFLECT_101。

示例代码

下面是一个使用Scharr函数来计算图像梯度的C++示例：

#include <opencv2/opencv.hpp>
#include <iostream>

int main(int argc, char** argv)
{
	// 读取图像文件
	cv::Mat img = cv::imread("5.png", cv::IMREAD_GRAYSCALE);

	if (img.empty())
	{
		std::cout << "Error: Image not found or unable to read the image." << std::endl;
		return -1;
	}

	// 创建输出图像
	cv::Mat grad_x, grad_y;

	// 计算x方向和y方向的梯度
	cv::Scharr(img, grad_x, CV_32F, 1, 0); // x方向
	cv::Scharr(img, grad_y, CV_32F, 0, 1); // y方向

	// 转换回8位图像
	cv::convertScaleAbs(grad_x, grad_x);
	cv::convertScaleAbs(grad_y, grad_y);

	// 将两个方向的梯度组合成最终的边缘图像
	cv::Mat abs_grad;
	cv::addWeighted(grad_x, 0.5, grad_y, 0.5, 0, abs_grad);

	// 显示原图和边缘检测后的图像
	cv::namedWindow("Original Image", cv::WINDOW_NORMAL);
	cv::imshow("Original Image", img);

	cv::namedWindow("Scharr Gradient X", cv::WINDOW_NORMAL);
	cv::imshow("Scharr Gradient X", grad_x);

	cv::namedWindow("Scharr Gradient Y", cv::WINDOW_NORMAL);
	cv::imshow("Scharr Gradient Y", grad_y);

	cv::namedWindow("Combined Gradients", cv::WINDOW_NORMAL);
	cv::imshow("Combined Gradients", abs_grad);

	// 等待用户按键后退出
	cv::waitKey(0);

	return 0;
}

在这个示例中，我们读取了一张灰度图像，并使用cv::Scharr函数分别计算了x方向和y方向的梯度。然后，我们将梯度转换为8位图像以便于显示，并将两个方向的梯度合并成一个图像。最后，我们显示了原始图像和各个方向的梯度图像。

运行结果