Laplance算子

admin

理论

解释：在二阶导数的时候，最大变化处的值为零即边缘是零值。通过二阶
导数计算，依据此理论我们可以计算图像二阶导数，提取边缘。





Laplance算子

二阶导数我不会，别担心 ->拉普拉斯算子(Laplance operator)

Opencv已经提供了相关API - cv::Laplance




处理流程

高斯模糊 – 去噪声GaussianBlur()
转换为灰度图像cvtColor()
拉普拉斯 – 二阶导数计算Laplacian()
取绝对值convertScaleAbs()
显示结果



API使用cv::Laplacian

[C++] 纯文本查看 复制代码

Laplacian(
InputArray src,
OutputArray dst,
int depth, //深度CV_16S
int kisze, // 3
double scale = 1,
double delta =0.0,
int borderType = 4
)

[C++] 纯文本查看 复制代码

/*
注意:
Laplacian(拉普拉斯算子)
//-------------------------------------
处理流程
高斯模糊 – 去噪声GaussianBlur()
转换为灰度图像cvtColor()
拉普拉斯 – 二阶导数计算Laplacian()
取绝对值convertScaleAbs()
显示结果
//-------------------------------------
Laplacian(
InputArray src,
OutputArray dst,
int depth, //深度CV_16S
int kisze, // 3
double scale = 1,
double delta =0.0,
int borderType = 4
)


*/
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;

int main(int argc, char** argv) {
	Mat src, dst;
	src = imread("D:/IDE/opencv-3.1.0/demo.jpg");
	if (!src.data) {
		printf("加载图片异常\n");
		return -1;
	}
	namedWindow("input", CV_WINDOW_AUTOSIZE);
	imshow("input", src);

	Mat gray_src, edge_image;
	//高斯模糊去噪
	GaussianBlur(src, dst, Size(3, 3), 0, 0);
	//转灰度图
	cvtColor(dst, gray_src, CV_BGR2GRAY);
	//Laplacian(拉普拉斯算子)
	Laplacian(gray_src, edge_image, CV_16S, 3);
	//取绝对值
	convertScaleAbs(edge_image, edge_image);

	namedWindow("拉普拉斯结果", CV_WINDOW_AUTOSIZE);
	imshow("拉普拉斯结果", edge_image);

	//二值化
	threshold(edge_image, edge_image, 0, 255, THRESH_OTSU | THRESH_BINARY);

	namedWindow("拉普拉斯二值化结果", CV_WINDOW_AUTOSIZE);
	imshow("拉普拉斯二值化结果", edge_image);
	waitKey(0);
	return 0;
}