opencv+python
pycharm+win7
梯度就是通过对二维离散函数求导，它在边缘上的灰度变化，可以通过梯度方向的最大变化率进行表达，通过求导得出梯度变化方向和幅值等信息。3x3 Scharr滤波器一般比3x3 Sobel滤波器效果好。结合了高斯平滑与微分。其算子如图。
首先还是先计算 x，y两个方向Scharr，然后进行绝对值，因为前面变成浮点数，求导后可能出现负值。import cv2 as cvimport numpy as npimport copyimport osfrom matplotlib import pyplot as pltfrom skimage.measure import compare_ssimimage = cv.imread('c:\\dajiangdahe.png', 1)scharr_y = cv.Scharr(image,cv.CV_64F,dx=0,dy=1)scharr_x = cv.Scharr(image,cv.CV_64F,dx=1,dy=0)scharr_x = cv.convertScaleAbs(scharr_x)scharr_y = cv.convertScaleAbs(scharr_y)
然后把2个方向的计算数值通过addWeighted整合为最后结果。scharrOver = cv.addWeighted(scharr_x,0.5,scharr_y,0.5,0)cv.imshow('image',image)cv.imshow('scharr_x',scharr_x)cv.imshow('scharr_y',scharr_y)cv.imshow('picture',scharrOver)cv.waitKey()
再举个例子看得比较清楚。还是采用米框图image = cv.imread('c:\\color_MiLine.png', 1)scharr_x = cv.Scharr(image,cv.CV_64F,dx=1,dy=0)scharr_x = cv.convertScaleAbs(scharr_x)scharr_y = cv.Scharr(image,cv.CV_64F,dx=0,dy=1)scharr_y = cv.convertScaleAbs(scharr_y)scharrOver = cv.addWeighted(scharr_x,0.5,scharr_y,0.5,0)cv.imshow('image',image)cv.imshow('scharr_x',scharr_x)cv.imshow('scharr_y',scharr_y)cv.imshow('picture',scharrOver)cv.waitKey()cv.destroyAllWindows()
分别输出三种图像进行观察cv.imshow('image',image)cv.imshow('scharr_x',scharr_x)cv.imshow('scharr_y',scharr_y)cv.imshow('picture',scharrOver)cv.waitKey()cv.destroyAllWindows()
通过计算可以检测边缘，效果还可以
convertScaleAbs 还是要有，否则容易有问题
Scharr函数进行求梯度计算