Scharr算子是用于计算图像梯度的一种常用算子，特别是在边缘检测任务中。它是Sobel算子的改进版本，旨在提供更加准确和敏感的边缘检测。
在离散的空间上，有很多方法可以用来计算近似导数，在使用 3×3 的 Sobel 算子时，可能计算结果并不太精准。OpenCV 提供了 Scharr 算子，该算子具有和 Sobel 算子同样的速度，且精度更高。可以将 Scharr 算子看作对 Sobel 算子的改进，其核通常为：
OpenCV 提供了函数 cv2.Scharr()来计算 Scharr 算子，其语法格式如下：
dst = cv2.Scharr( src, ddepth, dx, dy[, scale[, delta[, borderType]]] )
式中：
- dst 代表输出图像。
- src 代表原始图像。
- ddepth 代表输出图像深度。该值与函数 cv2.Sobel()中的参数 ddepth 的含义相同，具体可
以参考上节表 9-1。 - dx 代表 x 方向上的导数阶数。
- dy 代表 y 方向上的导数阶数。
- scale 代表计算导数值时的缩放因子，该项是可选项，默认值是 1，表示没有缩放。
- delta 代表加到目标图像上的亮度值，该项是可选项，默认值为 0。
- borderType 代表边界样式。具体可以参考上节表 9-2。
在函数 cv2.Sobel()中介绍过，如果 ksize=-1，则会使用 Scharr 滤波器。
因此，如下语句：
dst=cv2.Scharr(src, ddepth, dx, dy)
和
dst=cv2.Sobel(src, ddepth, dx, dy, -1)
是等价的。
函数 cv2.Scharr()和函数 cv2.Sobel()的使用方式基本一致。
首先，需要注意的是，参数 ddepth 的值应该设置为“cv2.CV_64F”，并对函数 cv2.Scharr()的计算结果取绝对值，才能保证得到正确的处理结果。
具体语句为：
dst=Scharr(src, cv2.CV_64F, dx, dy)
dst= cv2.convertScaleAbs(dst)
另外，需要注意的是，在函数 cv2.Scharr()中，要求参数 dx 和 dy 满足条件：
dx >= 0 && dy >= 0 && dx+dy == 1
因此，参数 dx 和参数 dy 的组合形式有：
- 计算 x 方向边缘（梯度）：dx=1, dy=0。
- 计算 y 方向边缘（梯度）： dx=0, dy=1。
- 计算 x 方向与 y 方向的边缘叠加：通过组合方式实现。
下面分别对上述情况进行简要说明。
- 计算x方向边缘（梯度）：dx=1, dy=0
此时，使用的语句是：
dst=Scharr(src, ddpeth, dx=1, dy=0)
- 计算y方向边缘（梯度）：dx=0,dy=1
此时，使用的语句是：
dst=Scharr(src, ddpeth, dx=0, dy=1)
- 计算x方向与y方向的边缘叠加
将两个方向的边缘相加，使用的语句是：
dx=Scharr(src, ddpeth, dx=1, dy=0)
dy=Scharr(src, ddpeth, dx=0, dy=1)
Scharrxy=cv2.addWeighted(dx,0.5,dy,0.5,0)
需要注意的是，参数 dx 和 dy 的值不能都为 1。
例如，如下语句是错误的：
dst=Scharr(src, ddpeth, dx=1, dy=1)
示例：使用函数 cv2.Scharr()获取图像水平方向的边缘信息。
import cv2
o = cv2.imread('scharr.bmp',cv2.IMREAD_GRAYSCALE)
Scharrx = cv2.Scharr(o,cv2.CV_64F,1,0)
Scharrx = cv2.convertScaleAbs(Scharrx)
cv2.imshow("original",o)
cv2.imshow("x",Scharrx)
cv2.waitKey()
cv2.destroyAllWindows()
使用函数 cv2.Scharr()获取图像垂直方向的边缘信息。
import cv2
o = cv2.imread('Scharr.bmp',cv2.IMREAD_GRAYSCALE)
Scharry = cv2.Scharr(o,cv2.CV_64F,0,1)
Scharry = cv2.convertScaleAbs(Scharry)
cv2.imshow("original",o)
cv2.imshow("y",Scharry)
cv2.waitKey()
cv2.destroyAllWindows()
运行结果：
使用函数 cv2.Scharr()实现水平方向和垂直方向边缘叠加的效果。
代码如下：
import cv2
o = cv2.imread('scharr.bmp',cv2.IMREAD_GRAYSCALE)
scharrx = cv2.Scharr(o,cv2.CV_64F,1,0)
scharry = cv2.Scharr(o,cv2.CV_64F,0,1)
scharrx = cv2.convertScaleAbs(scharrx)
scharry = cv2.convertScaleAbs(scharry)
scharrxy = cv2.addWeighted(scharrx,0.5,scharry,0.5,0)
cv2.imshow("original",o)
cv2.imshow("xy",scharrxy)
cv2.waitKey()
cv2.destroyAllWindows()
运行结果：
Sobel 算子和 Scharr 算子的比较
Sobel 算子的缺点是，当其核结构较小时，精确度不高，而 Scharr 算子具有更高的精度。
Sobel 算子和 Scharr 算子的核结构如图 9-22 所示。
代码示例：
分别使用 Sobel 算子和 Scharr 算子计算一幅图像的水平边缘和垂直边缘的叠加信息。
import cv2
o = cv2.imread('lena.png',cv2.IMREAD_GRAYSCALE)
Sobelx = cv2.Sobel(o,cv2.CV_64F,1,0,ksize=3)
Sobely = cv2.Sobel(o,cv2.CV_64F,0,1,ksize=3)
Sobelx = cv2.convertScaleAbs(Sobelx)
Sobely = cv2.convertScaleAbs(Sobely)
Sobelxy = cv2.addWeighted(Sobelx,0.5,Sobely,0.5,0)
Scharrx = cv2.Scharr(o,cv2.CV_64F,1,0)
Scharry = cv2.Scharr(o,cv2.CV_64F,0,1)
Scharrx = cv2.convertScaleAbs(Scharrx)
Scharry = cv2.convertScaleAbs(Scharry)
Scharrxy = cv2.addWeighted(Scharrx,0.5,Scharry,0.5,0)
cv2.imshow("original",o)
cv2.imshow("Sobelxy",Sobelxy)
cv2.imshow("Scharrxy",Scharrxy)
cv2.waitKey()
cv2.destroyAllWindows()
运行结果：
