opencv c++函数 imgproc模块 9 Laplace 算子

目标

本文档尝试解答如下问题:

• 如何使用OpenCV函数 Laplacian 实现 Laplacian 算子 的离散模拟。

原理

1. 前一节我们学习了 Sobel 算子 ，其基础来自于一个事实，即在边缘部分，像素值出现”跳跃“或者较大的变化。如果在此边缘部分求取一阶导数，你会看到极值的出现。正如下图所示：

   

2. 如果在边缘部分求二阶导数会出现什么情况?

   

   你会发现在一阶导数的极值位置，二阶导数为0。所以我们也可以用这个特点来作为检测图像边缘的方法。 但是， 二阶导数的0值不仅仅出现在边缘(它们也可能出现在无意义的位置),但是我们可以过滤掉这些点。

Laplacian 算子

1. 从以上分析中，我们推论二阶导数可以用来 检测边缘 。 因为图像是 “2维”, 我们需要在两个方向求导。使用Laplacian算子将会使求导过程变得简单。
2. Laplacian 算子 的定义:

1. OpenCV函数 Laplacian 实现了Laplacian算子。 实际上，由于 Laplacian使用了图像梯度，它内部调用了 Sobel 算子。

源码

1. 本程序做什么?
   • 装载图像
   • 使用高斯平滑消除噪声， 将图像转换到灰度空间。
   • 使用Laplacian算子作用于灰度图像，并保存输出图像。
   • 输出结果。
2. 下面是本教程的源码，你也可以从 这里 下载。

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include 
#include 

using namespace cv;

/** @函数 main */
int main( int argc, char** argv )
{
  Mat src, src_gray, dst;
  int kernel_size = 3;
  int scale = 1;
  int delta = 0;
  int ddepth = CV_16S;
  char* window_name = "Laplace Demo";

  int c;

  /// 装载图像
  src = imread( argv[1] );

  if( !src.data )
    { return -1; }

  /// 使用高斯滤波消除噪声
  GaussianBlur( src, src, Size(3,3), 0, 0, BORDER_DEFAULT );

  /// 转换为灰度图
  cvtColor( src, src_gray, CV_RGB2GRAY );

  /// 创建显示窗口
  namedWindow( window_name, CV_WINDOW_AUTOSIZE );

  /// 使用Laplace函数
  Mat abs_dst;

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

  /// 显示结果
  imshow( window_name, abs_dst );

  waitKey(0);

  return 0;
  }

解释

1. 首先申明变量:

   Mat src, src_gray, dst;
   int kernel_size = 3;
   int scale = 1;
   int delta = 0;
   int ddepth = CV_16S;
   char* window_name = "Laplace Demo";
   

2. 装载原图像:

   src = imread( argv[1] );
   
   if( !src.data )
     { return -1; }
   

3. 高斯平滑降噪:

   GaussianBlur( src, src, Size(3,3), 0, 0, BORDER_DEFAULT );
   

4. 使用 cvtColor 转换为灰度图

   cvtColor( src, src_gray, CV_RGB2GRAY );
   

#.对灰度图使用Laplacian算子:

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

函数接受了以下参数:

• src_gray: 输入图像。
• dst: 输出图像
• ddepth: 输出图像的深度。 因为输入图像的深度是 CV_8U ，这里我们必须定义 ddepth = CV_16S 以避免外溢。
• kernel_size: 内部调用的 Sobel算子的内核大小，此例中设置为3。
• scale, delta 和 BORDER_DEFAULT: 使用默认值。

1. 将输出图像的深度转化为 CV_8U :

   convertScaleAbs( dst, abs_dst );
   

2. 显示结果:

   imshow( window_name, abs_dst );
   

结果

#.在编译上面的代码之后, 我们可以运行结果，将图片路径输入，如下图:

1. 我们得到下图所示的结果。 注意观察树木和牛的轮廓基本上很好的反映出来(除了像素值比较接近的地方， 比如奶牛的头部)。 此外，注意树木(右方)后面的房子屋顶被明显的加强显示出来，这是由于局部对比度比较强的原因。