OpenCV 完整例程65. 图像锐化——Scharr 算子

Posted 2022-01-28 Python小白进阶

【OpenCV 完整例程】65. 图像锐化——Scharr 算子

欢迎关注 『OpenCV 完整例程 100 篇』 系列，持续更新中
欢迎关注 『Python小白的OpenCV学习课』 系列，持续更新中

3. 空间域锐化滤波（高通滤波）

图像模糊通过平滑（加权平均）来实现，类似于积分运算。图像锐化则通过微分运算（有限差分）实现，使用一阶微分或二阶微分都可以得到图像灰度的变化值。

图像锐化的目的是增强图像的灰度跳变部分，使模糊的图像变得清晰。图像锐化也称为高通滤波，通过和增强高频，衰减和抑制低频。图像锐化常用于电子印刷、医学成像和工业检测。

图像梯度提取方法简单直接，能够有效的描述图像的原始状态，因此发展出多种图像梯度算子：Roberts、Prewitt、Sobel、Laplacian、Scharr。

3.5 Scharr 算子

Scharr 算子也称为 Scharr 滤波器，计算 x 轴或 y 轴方向的图像差分。

Scharr 算子是 Soble 算子在 ksize=3 时的优化，与 Soble 的速度相同，且精度更高。Scharr 算子与 Sobel 算子的不同点是在平滑部分，其中心元素占的权重更重，相当于使用较小标准差的高斯函数，也就是更瘦高的模板。

Scharr 算子的卷积核为：
$$G_x=\left[\begin{array}{ccc}-3& 0& 3\\ -10& 0& 10\\ -3& 0& 3\end{array}\right],G_y=\left[\begin{array}{ccc}-3& 10& -3\\ 0& 0& 10\\ 3& 10& 3\end{array}\right]$$

Scharr 算子很容易通过卷积操作 cv.filter2D 实现，OpenCV 也提供了函数 cv.Scharr 实现 Scharr 算子。

函数说明：

cv.Scharr(src, ddepth, dx, dy[, dst[, scale[, delta[, borderType]]]]) → dst

参数说明：

• src：输入图像
• dst：输出图像，大小和类型与 src 相同
• ddepth：输出图片的数据深度，由输入图像的深度进行选择
• dx：x 轴方向导数的阶数
• dy：y 轴方向导数的阶数
• scale：缩放比例因子，可选项，默认值为 1
• delta：输出图像的偏移量，可选项，默认值为 0
• borderType：边界扩充的类型，注意不支持对侧填充（BORDER_WRAP）

例程 1.80：图像锐化：Scharr 算子

    # 1.80：图像锐化：Scharr 算子
    # img = cv2.imread("../images/Fig0338a.tif", flags=0)  # NASA 月球影像图
    img = cv2.imread("../images/imgGaia.tif", flags=0)

    # 使用函数 filter2D 实现 Scharr 算子
    kernScharrX = np.array([[-3, 0, 3], [-10, 0, 10], [-3, 0, 3]])  # ScharrX kernel
    kernScharrY = np.array([[-3, 10, -3], [0, 0, 10], [3, 10, 3]])  # ScharrY kernel

    # 使用 cv2.Scharr 实现 Scharr 算子
    ScharrX = cv2.Scharr(img, cv2.CV_16S, 1, 0)  # 计算 x 轴方向
    ScharrY = cv2.Scharr(img, cv2.CV_16S, 0, 1)  # 计算 y 轴方向
    absX = cv2.convertScaleAbs(ScharrX)  # 转回 uint8
    absY = cv2.convertScaleAbs(ScharrY)  # 转回 uint8
    ScharrXY = cv2.addWeighted(absX, 0.5, absY, 0.5, 0)  # 用绝对值近似平方根

    plt.figure(figsize=(10, 6))
    plt.subplot(141), plt.axis('off'), plt.title("Original")
    plt.imshow(img, cmap='gray', vmin=0, vmax=255)
    plt.subplot(142), plt.axis('off'), plt.title("ScharrX")
    plt.imshow(ScharrX, cmap='gray', vmin=0, vmax=255)
    plt.subplot(143), plt.axis('off'), plt.title("ScharrY")
    plt.imshow(ScharrY, cmap='gray', vmin=0, vmax=255)
    plt.subplot(144), plt.axis('off'), plt.title("ScharrXY")
    plt.imshow(ScharrXY, cmap='gray')
    plt.tight_layout()
    plt.show()

---

（本节完）

---

版权声明：

youcans@xupt 原创作品，转载必须标注原文链接

Copyright 2021 youcans, XUPT

Crated：2021-11-29

欢迎关注 『OpenCV 完整例程 100 篇』 系列，持续更新中
欢迎关注 『Python小白的OpenCV学习课』 系列，持续更新中

【OpenCV 完整例程】01. 图像的读取（cv2.imread）
【OpenCV 完整例程】02. 图像的保存（cv2.imwrite）
【OpenCV 完整例程】03. 图像的显示（cv2.imshow）
【OpenCV 完整例程】04. 用 matplotlib 显示图像（plt.imshow）
【OpenCV 完整例程】05. 图像的属性（np.shape）
【OpenCV 完整例程】06. 像素的编辑（img.itemset）
【OpenCV 完整例程】07. 图像的创建（np.zeros）
【OpenCV 完整例程】08. 图像的复制（np.copy）
【OpenCV 完整例程】09. 图像的裁剪（cv2.selectROI）
【OpenCV 完整例程】10. 图像的拼接（np.hstack）
【OpenCV 完整例程】11. 图像通道的拆分（cv2.split）
【OpenCV 完整例程】12. 图像通道的合并（cv2.merge）
【OpenCV 完整例程】13. 图像的加法运算（cv2.add）
【OpenCV 完整例程】14. 图像与标量相加（cv2.add）
【OpenCV 完整例程】15. 图像的加权加法（cv2.addWeight）
【OpenCV 完整例程】16. 不同尺寸的图像加法
【OpenCV 完整例程】17. 两张图像的渐变切换
【OpenCV 完整例程】18. 图像的掩模加法
【OpenCV 完整例程】19. 图像的圆形遮罩
【OpenCV 完整例程】20. 图像的按位运算
【OpenCV 完整例程】21. 图像的叠加
【OpenCV 完整例程】22. 图像添加非中文文字
【OpenCV 完整例程】23. 图像添加中文文字
【OpenCV 完整例程】23. 图像添加中文文字
【OpenCV 完整例程】24. 图像的仿射变换
【OpenCV 完整例程】25. 图像的平移
【OpenCV 完整例程】26. 图像的旋转（以原点为中心）
【OpenCV 完整例程】27. 图像的旋转（以任意点为中心）
【OpenCV 完整例程】28. 图像的旋转（直角旋转）
【OpenCV 完整例程】29. 图像的翻转（cv2.flip）
【OpenCV 完整例程】30. 图像的缩放（cv2.resize）
【OpenCV 完整例程】31. 图像金字塔（cv2.pyrDown）
【OpenCV 完整例程】32. 图像的扭变（错切）
【OpenCV 完整例程】33. 图像的复合变换
【OpenCV 完整例程】34. 图像的投影变换
【OpenCV 完整例程】35. 图像的投影变换（边界填充）
【OpenCV 完整例程】36. 直角坐标与极坐标的转换
【OpenCV 完整例程】37. 图像的灰度化处理和二值化处理
【OpenCV 完整例程】38. 图像的反色变换（图像反转）
【OpenCV 完整例程】39. 图像灰度的线性变换
【OpenCV 完整例程】40. 图像分段线性灰度变换
【OpenCV 完整例程】41. 图像的灰度变换（灰度级分层）
【OpenCV 完整例程】42. 图像的灰度变换（比特平面分层）
【OpenCV 完整例程】43. 图像的灰度变换（对数变换）
【OpenCV 完整例程】44. 图像的灰度变换（伽马变换）
【OpenCV 完整例程】45. 图像的灰度直方图
【OpenCV 完整例程】46. 直方图均衡化
【OpenCV 完整例程】47. 图像增强—直方图匹配
【OpenCV 完整例程】48. 图像增强—彩色直方图匹配
【OpenCV 完整例程】49. 图像增强—局部直方图处理
【OpenCV 完整例程】50. 图像增强—直方图统计量图像增强
【OpenCV 完整例程】51. 图像增强—直方图反向追踪
【OpenCV 完整例程】52. 图像的相关与卷积运算
【OpenCV 完整例程】53. Scipy 实现图像二维卷积
【OpenCV 完整例程】54. OpenCV 实现图像二维卷积
【OpenCV 完整例程】55. 可分离卷积核
【OpenCV 完整例程】56. 低通盒式滤波器
【OpenCV 完整例程】57. 低通高斯滤波器
【OpenCV 完整例程】58. 非线性滤波—中值滤波
【OpenCV 完整例程】59. 非线性滤波—双边滤波
【OpenCV 完整例程】60. 非线性滤波—联合双边滤波
【OpenCV 完整例程】61. 导向滤波（Guided filter）
【OpenCV 完整例程】62. 图像锐化——钝化掩蔽
【OpenCV 完整例程】63. 图像锐化——Laplacian 算子
【OpenCV 完整例程】64. 图像锐化——Sobel 算子
【OpenCV 完整例程】65. 图像锐化——Scharr 算子