Opencv图像处理---Laplace运算

理论

• 在边缘区域中，像素强度显示出“跳跃”或强度的高度变化。 获得强度的一阶导数，我们观察到边缘的特征是最大值，如图所示：
• 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。 但请注意，零不仅会出现在边缘（它们实际上可能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。

Laplacian 算子

• 我们推断出二阶导数可用于检测边缘。 由于图像是2D，我们需要在两个维度上采用导数，拉普拉斯算子在这里很方便。
• 拉普拉斯算子由以下定义：
• 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。

代码

代码流程

• 加载图像
• 通过应用高斯模糊消除噪声，然后将原始图像转换为灰度
• 将拉普拉斯算子应用于灰度图像并存储输出图像
• 在窗口中显示结果

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui/highgui.hpp"
#include 
#include 
using namespace cv;
int main( int, char** argv )
{
  Mat src, src_gray, dst;
  int kernel_size = 3;
  int scale = 1;
  int delta = 0;
  int ddepth = CV_16S;
  const char* window_name = "Laplace Demo";
  src = imread( argv[1] );
  if( src.empty() )
    { return -1; }
  GaussianBlur( src, src, Size(3,3), 0, 0, BORDER_DEFAULT );
  cvtColor( src, src_gray, COLOR_RGB2GRAY );
  namedWindow( window_name, WINDOW_AUTOSIZE );
  Mat abs_dst;
  Laplacian( src_gray, dst, ddepth, kernel_size, scale, delta, BORDER_DEFAULT );
  convertScaleAbs( dst, abs_dst );
  imshow( window_name, abs_dst );
  waitKey(0);
  return 0;
}

解释

• 创建一些所需的变量：
• 加载源图像：
• 应用高斯滤波来减少噪音：
• 使用cv :: cvtColor将图像转换为灰度
• 将拉普拉斯算子应用于灰度图像：

1. src_gray：输入图像
2. dst：目标（输出）图像
3. ddepth：目标图像的深度。 由于我们的输入是CV_8U，我们定义ddepth = CV_16S以避免溢出
4. kernel_size：要在内部应用的Sobel运算符的内核大小。
5. scale，delta和BORDER_DEFAULT：我们将它们保留为默认值。

• 将拉普拉斯算子的输出转换为CV_8U图像：
• 在窗口中显示结果：

结果

• 在编译上面的代码之后，我们可以运行它作为参数给出图像的路径。 例如，使用输入
• 我们得到以下结果。 注意奶牛的树木和轮廓是如何定义的（除了强度非常相似的区域，即奶牛头部周围）。 此外，请注意树木后面的屋顶（右侧）是众所周知的标记。 这是因为该区域的对比度较高。
• ​​​​​​​