目录

• 一、Scharr算法
• • 1、算法概述
  • 2、主要函数
• 二、C++代码
• 三、python代码
• 四、结果展示
• • 1、灰度图
  • 2、X方向一阶边缘
  • 2、Y方向一阶边缘
  • 3、整幅图像的一阶边缘
• 五、相关链接

OpenCV——Scharr边缘检测由CSDN点云侠原创，爬虫自重。如果你不是在点云侠的博客中看到该文章，那么此处便是不要脸的爬虫。

一、Scharr算法

1、算法概述

? ?Scharr边缘检测算法是对Sobel算子差异性的增强，因此两者在检测图像边缘的原理和使用方式上相同。Scharr算子的边缘检测滤波尺寸为3x3，因此也可称其为Scharr滤波器。可以通过将滤波器中的权重系数放大来增大像素见的差异，Scharr算子就是采用这种思想，其在X方向一阶Scharr边缘检测算子为：

[

?

3

0

3

?

10

0

10

?

3

0

3

]

(1)

left[ egin{matrix} -3 & 0 & 3\ -10 & 0 & 10 \ -3 & 0 & 3 end{matrix}
ight] ag{1}

Y方向一阶Scharr边缘检测算子为：

[

?

3

10

?

3

0

0

0

3

10

3

]

(2)

left[ egin{matrix} -3 & 10 & -3\ 0 & 0 & 0 \ 3 & 10 & 3 end{matrix}
ight] ag{2}

2、主要函数

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

• src：传入的图像
• ddepth：图像的深度，可以为-1、CV_16S、CV_32F、CV_64F。
• dx、dy：指的是求导的阶数，0表示这个方向上没有求导，所填的数一般为0、1、2。
• scale：计算可选比例因子，默认值1 。
• delta：加到输出像素的偏值，默认为0 。
• borderType：边界类型，默认值BORDER_DEFAULT。

二、C++代码

#include <opencv2opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main()
{
	//读取图像，黑白图像边缘检测结果较为明显
	Mat img = imread("2.jpg", IMREAD_ANYDEPTH);
	if (img.empty())
	{
		cout << "请确认图像文件名称是否正确" << endl;
		return -1;
	}
	Mat resultX, resultY, resultXY;

	//X方向一阶边缘
	Scharr(img, resultX, CV_16S, 1, 0);
	convertScaleAbs(resultX, resultX);

	//Y方向一阶边缘
	Scharr(img, resultY, CV_16S, 0, 1);
	convertScaleAbs(resultY, resultY);

	//整幅图像的一阶边缘
	resultXY = resultX + resultY;

	//显示图像
	imshow("resultX", resultX);
	imshow("resultY", resultY);
	imshow("resultXY", resultXY);
	waitKey(0);
	return 0;
}

三、python代码

import cv2

img = cv2.imread("2.jpg")
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# -------------------Scharr边缘检测------------------------
x = cv2.Scharr(gray_img, cv2.CV_16S, 1, 0)
y = cv2.Scharr(gray_img, cv2.CV_16S, 0, 1)
# cv2.convertScaleAbs(src[, dst[, alpha[, beta]]])
# 可选参数alpha是伸缩系数，beta是加到结果上的一个值，结果返回uint类型的图像
Scharr_absX = cv2.convertScaleAbs(x)  # convert 转换  scale 缩放
Scharr_absY = cv2.convertScaleAbs(y)
result = cv2.addWeighted(Scharr_absX, 0.5, Scharr_absY, 0.5, 0)
# ----------------------显示结果----------------------------
cv2.imshow('origin_img', img)
cv2.imshow('img', gray_img)
cv2.imshow('Scharr_absX', Scharr_absX)
cv2.imshow('Scharr_absY', Scharr_absY)
cv2.imshow('result', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

四、结果展示

1、灰度图

2、X方向一阶边缘

2、Y方向一阶边缘

3、整幅图像的一阶边缘

五、相关链接

[1] Scharr（边缘提取）