python+OpenCv笔记(十四):边缘检测——laplacian算子

laplacian算子

1.OpenCv API:

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

参数:

  1. src:输入的图像
  2. ddepth:图像的深度。-1表示采用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。
    (以下参数均可省略)
  3. ksize:算子的大小,即卷积核的大小,必须为1,3,5,7,默认为3。
  4. scale:缩放导数的比例常数,默认情况为没有伸缩系数。
  5. borderType:图像边界的模式,默认cv2.BORDER_DEFAULT。

2.原理
python+OpenCv笔记(十六):边缘检测原理(Sobel算子原理、Laplacian算子原理、Canny边缘检测原理)icon-default.png?t=LBL2https://blog.csdn.net/qq_45832961/article/details/122398810

3.优缺点:

优点:

        1.Laplacian算子是各向同性的,能对任何走向的界线和线条进行锐化,无方向性。

        2.拉普拉斯算子可以突出图像中强度发生快速变化的区域。

缺点:

        对噪声敏感,它对孤立像素的响应要比对边缘或线的响应要更强烈,因此只适用于无噪声图像,在使用拉普拉斯算子提取边缘之前,先使用高斯平滑图像,这一过程就是Laplacian-Gauss(LOG)算子。它把的高斯平滑滤波器和Laplacian锐化滤波器结合了起来,先平滑掉噪声,再进行边缘检测,所以效果会更好。

代码编写

import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np

src = cv.imread("E:\\qi.png", 0)  # 直接以灰度图方式读入
img = src.copy()

# laplacian算子
img_temp = cv.Laplacian(img, cv.CV_16S)
img_Laplacian =  cv.convertScaleAbs(img_temp)

# 显示图像
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(10, 8), dpi=100)
axes[0].imshow(img, cmap=plt.cm.gray)
axes[0].set_title("原图")
axes[1].imshow(img_Laplacian, cmap=plt.cm.gray)
axes[1].set_title("laplacian检测后结果")
plt.show()

python+OpenCv笔记(十四):边缘检测——laplacian算子_第1张图片

你可能感兴趣的:(python+OpenCv,opencv,python,计算机视觉)