OpenCV图像梯度算子详解：Sobel、Scharr与Laplacian实战

小石头

发布时间：2026-10-12| 2人浏览过

原创

本文深入解析OpenCV中三种核心图像梯度算子：Sobel、Scharr与Laplacian。通过详细对比与代码示例，展示如何利用这些算子进行边缘检测与轮廓提取，帮助开发者掌握不同场景下的最佳实践。

作为OpenCV图像视觉入门系列的第12篇，本文将系统讲解图像梯度算子的各类操作，重点涵盖Sobel算子、Scharr算子以及Laplacian算子的具体应用与原理。

1. Sobel算子

Sobel算子是一种基于空间滤波器的图像边缘检测工具，旨在识别图像中的边缘信息。梯度运算本质上是求导数的过程，能够有效捕捉图像中的局部变化特征。

import cv2
import numpy as np
from numpy import unicode
 
if __name__ == '__main__':
    # 不同算子的差异
    img = cv2.imread('D:/Jupyter_Notebooks/0.jpg', cv2.IMREAD_GRAYSCALE)
    sobel_x = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3)
    sobel_y = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3)
    sobel_x = cv2.convertScaleAbs(sobel_x)
    sobel_y = cv2.convertScaleAbs(sobel_y)
    sobel_xy = cv2.addWeighted(sobel_x, 0.5, sobel_y, 0.5, 0)
 
    cv2.imshow("sobel_xy", sobel_xy)
 
    img = cv2.imread('D:/Jupyter_Notebooks/0.jpg', cv2.IMREAD_GRAYSCALE)
    cv2.imshow("img", img)
 
    cv2.waitKey(0)
    cv2.destroyAllWindows()

2. Scharr算子

Sobel算子主要用于检测图像中的水平与垂直边缘，通过卷积核运算来识别图像中的细微结构变化。OpenCV作为计算机视觉库，不仅提供了Sobel算子相关函数，还集成了Canny边缘检测、Hough变换等多种图像处理算法，以满足不同的处理需求。

import cv2
import numpy as np
from numpy import unicode
 
if __name__ == '__main__':
    img = cv2.imread('D:/Jupyter_Notebooks/0.jpg', cv2.IMREAD_GRAYSCALE)
    scharrx = cv2.Scharr(img, cv2.CV_64F, 1, 0)
    scharry = cv2.Scharr(img, 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("scharrxy", scharrxy)
 
    img = cv2.imread('D:/Jupyter_Notebooks/0.jpg', cv2.IMREAD_GRAYSCALE)
    cv2.imshow("img", img)
 
    cv2.waitKey(0)
    cv2.destroyAllWindows()

3. Laplacian算子

Laplacian算子属于二阶微分算子，主要用于检测图像中的边缘与轮廓，同时也能对图像噪声进行识别。其基本原理是计算图像中每个像素点的梯度，并根据梯度的幅值大小来判定边缘位置。

import cv2
import numpy as np
from numpy import unicode
 
if __name__ == '__main__':
    img = cv2.imread('D:/Jupyter_Notebooks/0.jpg', cv2.IMREAD_GRAYSCALE)
    laplacian = cv2.Laplacian(img, cv2.CV_64F)
    laplacian = cv2.convertScaleAbs(laplacian)
 
    cv2.imshow("laplacian", laplacian)
 
    img = cv2.imread('D:/Jupyter_Notebooks/0.jpg', cv2.IMREAD_GRAYSCALE)
    cv2.imshow("img", img)
 
    cv2.waitKey(0)
    cv2.destroyAllWindows()