Scharr算子的精度比sobel算子的精度更高
import cv2
import numpy as np
img = cv2.imread('../data/ren.png', 0)
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 = 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', dst)
cv2.waitKey()
cv2.destroyAllWindows()
cv2.imwrite('../data/sobel.jpg', dst)
原图
效果图