文章目录

掌握

1、Laplace算子理论（通过Laplace卷积核求取图像边缘）；
2、API使用；
3、代码演示；

Laplace理论

1、在图像像素二阶导数中，图像像素变化最大处的值为0，即边缘是零值，因此，理论上我们可以通过计算图像二阶导数，提取图像边缘；

2、数学原理：二阶导求导公式：

相关API

1、OpenCV中提供的函数：cv::Laplacian()（不再分x方向，y方向）
注：depth—CV_16S; ksize–3(3阶卷积算子)

Laplace运算流程

  1. 高斯模糊降噪处理；
  2. 转换为灰度图像；
  3. 拉普拉斯计算；
  4. 取绝对值（负的值也是边缘有效信息）；
  5. 显示结果；

Code

代码注意：Laplace受干扰影响大，Laplace计算完后可以使用threshold()阈值操作API再滤除下干扰；

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

using namespace std;
using namespace cv;

int main(int argc, char** argv)
{
   
	Mat src,dst;
	src = imread("C:\\Users\\hello\\Desktop\\lena512color.tiff");
	if (!src.data)
	{
   
		cout << "could not load the image..." << endl;
		return -1;
	}
	namedWindow("input image", CV_WINDOW_AUTOSIZE);
	imshow("input image", src);

	//Laplace运算
	//Laplace的噪声比较明显 ， 处理完成后可以再用图像阈值处理API处理一下
	Mat g1,grayimage ;
	GaussianBlur(src, g1, Size(3, 3), 0, 0);
	cvtColor(g1, grayimage, CV_BGR2GRAY);

	Laplacian(grayimage, dst, CV_16S, 3);  //Size大小为3

	convertScaleAbs(dst, dst);  //转换为正值
	threshold(dst, dst, 0, 255, THRESH_OTSU | THRESH_BINARY);  //图像二值化


	imshow("Laplace Image", dst);

	waitKey(0);
	return 0;
}

效果

注：threshold阈值处理，将图像转换为二值图像，轮廓效果显示更好。


Lena: