拉普拉斯算子
原理
如上图,在画圈处有明显的像素值变化,这就是图像中的边缘
上图,是图像像素的变化图
圆圈处就是和源图像对应的点。可以看出,这里的变化率是最大的
变化率也称梯度
谈及变化率,我们就要想到导数
如右图
而变化率(梯度)的最大值,就是一阶微分的极值
一阶微分的极值,就是二阶微分的零值点
如下图
我们先看一下离散的一阶导数计算方法
二阶导数就是一阶导数的导数:
因为图像有行列两个方向,所以要两个方向分别求导数:
x方向偏导数、y方向偏导数,合起来就是拉普拉斯。
拉普拉斯算子由OpenCV函数cv :: Laplacian实现。 实际上,由于拉普拉斯算子使用图像的梯度,因此它在内部调用Sobel算子来执行其计算。
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
代码
#include<iostream>
#include<opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main()
{
Mat src, gx, gy, dst;
src = imread("C:/Users/86176/Pictures/pics/lena(1).tiff");
if (!src.data)
{
cout << "could not load image !";
return -1;
}
imshow("【输入图像】", src);
Mat tmp,gray;
GaussianBlur(src, tmp, Size(3,3), 0, 0);
cvtColor(tmp, gray, CV_BGR2GRAY);
Laplacian(gray, dst, CV_16S, 3);
threshold(dst, dst, 0, 255, THRESH_OTSU|CV_THRESH_BINARY);//拉普拉斯算子受噪声影响较大,自动寻找阈值
convertScaleAbs(dst, dst);//若不用绝对值,那么产出的图像就会缺失很多细节
imshow("【输出图像】", dst);
waitKey(0);
return 0;
}