Laplacian 算子:
原理分析:
Sobel 算子 : 在一个图像区域中的边缘部分,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,会看到极值的出现如图:
如果在边缘部分求二阶导数会出现什么情况?
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
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。
Laplacian 算子 的定义:
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。
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。
Laplace算子的函数原型:
dst = cv2.Laplacian(src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]])
ddepth -- 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
【可选参数】
dst -- 目标图像
ksize -- 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。。
使用示例:
#!/usr/bin/env python
# encoding: utf-8
import cv2
import numpy as np
img = cv2.imread("3.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()
为了突出效果,这里 ksize= 3
参考和转载:
http://blog.csdn.net/sunny2038/article/details/9188441
http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/imgtrans/laplace_operator/laplace_operator.html