OpenCV-Python（Laplacian算子）

Laplacian函数可以计算出图像经过拉普拉斯变换后的结果

Laplacian算子

图像中的边缘区域，像素值会发生“跳跃”，对这些像素求导，在其一阶导数在边缘位置为极值，这就是Sobel算子使用的原理——极值处就是边缘。如下图（下图来自OpenCV官方文档）：

如果对像素值求二阶导数，会发现边缘处的导数值为0。如下（下图来自OpenCV官方文档）：

Laplace函数实现的方法是先用Sobel 算子计算二阶x和y导数，再求和：（CSDN，你打水印，让我的公式怎么办？）

函数原型

在OpenCV-Python中，Laplace算子的函数原型如下：

dst = cv2.Laplacian(src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]])

前两个是必须的参数：

• 第一个参数是需要处理的图像；
• 第二个参数是图像的深度，-1表示采用的是与原图像相同的深度。目标图像的深度必须大于等于原图像的深度；

其后是可选的参数：

• dst不用解释了；
• ksize是算子的大小，必须为1、3、5、7。默认为1。
• scale是缩放导数的比例常数，默认情况下没有伸缩系数；
• delta是一个可选的增量，将会加到最终的dst中，同样，默认情况下没有额外的值加到dst中；
• borderType是判断图像边界的模式。这个参数默认值为cv2.BORDER_DEFAULT。

使用

import cv2
import nnumpy as np

img = cv2.imread("D:/gui.jpg", 0)

gray_lap = cv2.Laplacian(img, cv2.CV_16S, ksize = 3)
dst = cv2.convertScaleAbs(gray_lap)

cv2.imshow('laplacian', dst)
cv2.waitkey(0)
cv2.destroyAllWindows()

有点像粉笔画，是吧。这是因为原图像未经过去噪就直接处理了。可以通过滤波一文中，使用低通滤波一节中高斯模糊来先处理一下再用拉普拉斯函数。

参考资料：

1、《Opencv2 Computer Vision Application Programming Cookbook》

2、《OpenCV References Manule》