Python OpenCV -- Laplacian 算子（十）

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]]]]])

src  --  原图像

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()  

图像效果：

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