Laplance算子详解

1 、原理

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

image.png

2 、拉普拉斯算子

image.png

3 、处理过程

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

4 、整体代码测试

CV_EXPORTS_W void Laplacian( InputArray src, OutputArray dst, int ddepth,
                             int ksize = 1, double scale = 1, double delta = 0,
                             int borderType = BORDER_DEFAULT );
src_gray，输入图像
dst，Laplace操作结果
ddepth，输出图像深度，因为输入图像一般为CV_8U，为了避免数据溢出，输出图像深度应该设置为CV_16S
kernel_size，filter mask的规模，我们的mask时3x3的，所以这里应该设置为3
scale,delta,BORDER_DEFAULT，默认设置就好

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>

using namespace cv;
int main(int argc, char** argv) {
    Mat src, dst;
    src = imread("D:\\f.jpg");
    if (!src.data) {
        printf("could not load image");
    }
    char input_title[] = "input image";
    char output_title[] = "Laplaiance Result";
    namedWindow(input_title, CV_WINDOW_AUTOSIZE);
    imshow(input_title, src);

    Mat gray_src, edge_image;
    GaussianBlur(src, dst, Size(3, 3), 0, 0);
    cvtColor(dst, gray_src, CV_BGR2GRAY);

    Laplacian(gray_src, edge_image, CV_16S, 3);
    convertScaleAbs(edge_image, edge_image);
    imshow("convertScaleAbs", edge_image);

    threshold(edge_image, edge_image, 0, 255, THRESH_OTSU | THRESH_BINARY);
    namedWindow(output_title, CV_WINDOW_AUTOSIZE);
    imshow(output_title, edge_image);

    waitKey(0);
    return 0;
}

image.png