Python cucim.skimage.filters.scharr用法及代码示例

用法: cucim.skimage.filters.scharr(image, mask=None, *, axis=None, mode='reflect', cval=0.0)

使用 Scharr 变换查找边幅度。

参数：

image：数组

输入图像。

mask：布尔数组，可选

将输出图像剪辑到此蒙版。 (mask=0 的值将被设置为 0。)

axis：int 或 int 序列，可选

沿该轴计算边滤波器。如果未提供，则计算边幅度。这被定义为：

sch_mag = np.sqrt(sum([scharr(image, axis=i)**2
                       for i in range(image.ndim)]) / image.ndim)

如果轴是一个序列，也会计算幅度。

mode：str 或 str 序列，可选

卷积的边界模式。有关模式的说明，请参见scipy.ndimage.convolve。这可以是单个边界模式或每个轴一个边界模式。

cval：浮点数，可选

当 mode 为 'constant' 时，这是在图像数据边界外的值中使用的常数。

output：浮点数数组: 夏尔边图。

注意：

Scharr 算子比其他边滤波器(如 Sobel 或 Prewitt 算子)具有更好的旋转不变性。

参考：

1: D. Kroon, 2009, Short Paper University Twente, Numerical Optimization of Kernel Based Image Derivatives.
2: https://en.wikipedia.org/wiki/Sobel_operator#Alternative_operators

例子：

>>> import cupy as cp
>>> from skimage import data
>>> from cucim.skimage import filters
>>> camera = cp.array(data.camera())
>>> edges = filters.scharr(camera)

相关用法

注：本文由纯净天空筛选整理自rapids.ai大神的英文原创作品 cucim.skimage.filters.scharr。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

注意：

参考：

例子：