返回:OpenCV系列文章目录（持续更新中......）

上一篇：OpenCV的Sobel 衍生品

下一篇 ：OpenCV 如何实现边缘检测器

目标

在本教程中，您将学习如何：

• 使用 OpenCV 函数 Laplacian（） 实现拉普拉斯算子的离散模拟。

理论

1. 在上一教程中，我们学习了如何使用 Sobel Operator。它基于这样一个事实，即在边缘区域，像素强度显示“跳跃”或强度的高变化。得到强度的一阶导数，我们观察到边缘的特征是最大值，如图所示：

1. 和。。。如果我们取二阶导数会发生什么？

您可以观察到二阶导数为零！因此，我们也可以使用此标准来尝试检测图像中的边缘。但是，请注意，零不仅会出现在边缘中（它们实际上可以出现在其他无意义的位置）;这可以通过在需要时应用过滤来解决。

拉普拉斯算子

1. 从上面的解释中，我们推断出二阶导数可用于检测边。由于图像是“*2D*”的，我们需要在两个维度上取导数。在这里，拉普拉斯运算符派上用场。

2. 拉普拉斯运算符的定义如下：

• 拉普拉斯运算符由函数 Laplacian（） 在 OpenCV 中实现。事实上，由于拉普拉斯使用图像的梯度，它在内部调用 Sobel 算子来执行其计算。

C++代码
 

1. 这个程序是做什么的？
   • 加载图像
   • 通过应用高斯模糊去除噪点，然后将原始图像转换为灰度
   • 将拉普拉斯运算符应用于灰度图像并存储输出图像
   • 在窗口中显示结果教程代码如下所示。您也可以从这里下载

#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"using namespace cv;int main( int argc, char** argv )
{// Declare the variables we are going to useMat src, src_gray, dst;int kernel_size = 3;int scale = 1;int delta = 0;int ddepth = CV_16S;const char* window_name = "Laplace Demo";const char* imageName = argc >=2 ? argv[1] : "lena.jpg";src = imread( samples::findFile( imageName ), IMREAD_COLOR ); // Load an image// Check if image is loaded fineif(src.empty()){printf(" Error opening image\n");printf(" Program Arguments: [image_name -- default lena.jpg] \n");return -1;}// Reduce noise by blurring with a Gaussian filter ( kernel size = 3 )GaussianBlur( src, src, Size(3, 3), 0, 0, BORDER_DEFAULT );cvtColor( src, src_gray, COLOR_BGR2GRAY ); // Convert the image to grayscaleMat abs_dst;Laplacian( src_gray, dst, ddepth, kernel_size, scale, delta, BORDER_DEFAULT );// converting back to CV_8UconvertScaleAbs( dst, abs_dst );imshow( window_name, abs_dst );waitKey(0);return 0;
}

解释

声明变量

 // Declare the variables we are going to useMat src, src_gray, dst;int kernel_size = 3;int scale = 1;int delta = 0;int ddepth = CV_16S;const char* window_name = "Laplace Demo";

加载源图像

 const char* imageName = argc >=2 ? argv[1] : "lena.jpg";src = imread( samples::findFile( imageName ), IMREAD_COLOR ); // Load an image// Check if image is loaded fineif(src.empty()){printf(" Error opening image\n");printf(" Program Arguments: [image_name -- default lena.jpg] \n");return -1;}

降低噪音

 // Reduce noise by blurring with a Gaussian filter ( kernel size = 3 )GaussianBlur( src, src, Size(3, 3), 0, 0, BORDER_DEFAULT );

灰度

 cvtColor( src, src_gray, COLOR_BGR2GRAY ); // Convert the image to grayscale

拉普拉斯算子

 Laplacian( src_gray, dst, ddepth, kernel_size, scale, delta, BORDER_DEFAULT );

• 参数是：
  • src_gray：输入图像。
  • dst：目标（输出）图像
  • ddepth：目标图像的深度。由于我们的输入是CV_8U因此我们定义 ddepth = CV_16S 以避免溢出
  • kernel_size：要在内部应用的 Sobel 算子的内核大小。在此示例中，我们使用 3。
  • scale、delta 和 BORDER_DEFAULT：我们将它们保留为默认值。

将输出转换为 <em>CV_8U</em> 图像

 // converting back to CV_8UconvertScaleAbs( dst, abs_dst );

显示结果

 imshow( window_name, abs_dst );waitKey(0);

结果

1. 编译上面的代码后，我们可以运行它，将图像的路径作为参数。例如，使用作为输入：

1. 我们得到以下结果。请注意，树木和奶牛的轮廓是如何大致清晰地定义的（除了强度非常相似的区域，即奶牛头部周围）。另外，请注意，树木后面的房子屋顶（右侧）是臭名昭著的标记。这是因为该区域的对比度较高。

参考文献：

1、 《Laplace Operator》---Ana Huamán

---