返回:OpenCV系列文章目录(持续更新中......)
上一篇:OpenCV的Sobel 衍生品(48)
下一篇 :OpenCV 如何实现边缘检测器(50)
目标
在本教程中,您将学习如何:
- 使用 OpenCV 函数 Laplacian() 实现拉普拉斯算子的离散模拟。
理论
- 在上一教程中,我们学习了如何使用 Sobel Operator。它基于这样一个事实,即在边缘区域,像素强度显示“跳跃”或强度的高变化。得到强度的一阶导数,我们观察到边缘的特征是最大值,如图所示:
- 和。。。如果我们取二阶导数会发生什么?
您可以观察到二阶导数为零!因此,我们也可以使用此标准来尝试检测图像中的边缘。但是,请注意,零不仅会出现在边缘中(它们实际上可以出现在其他无意义的位置);这可以通过在需要时应用过滤来解决。
拉普拉斯算子
- 从上面的解释中,我们推断出二阶导数可用于检测边。由于图像是“*2D*”的,我们需要在两个维度上取导数。在这里,拉普拉斯运算符派上用场。
-
拉普拉斯运算符的定义如下:
- 拉普拉斯运算符由函数 Laplacian() 在 OpenCV 中实现。事实上,由于拉普拉斯使用图像的梯度,它在内部调用 Sobel 算子来执行其计算。
C++代码
- 这个程序是做什么的?
- 加载图像
- 通过应用高斯模糊去除噪点,然后将原始图像转换为灰度
- 将拉普拉斯运算符应用于灰度图像并存储输出图像
- 在窗口中显示结果教程代码如下所示。您也可以从这里下载
#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
using namespace cv;
int main( int argc, char** argv )
{
// Declare the variables we are going to use
Mat src, src_gray, dst;
int kernel_size = 3;
int scale = 1;
int delta = 0;
int ddepth = CV_16S;
const char* window_name = "Laplace Demo";
const char* imageName = argc >=2 ? argv[1] : "lena.jpg";
src = imread( samples::findFile( imageName ), IMREAD_COLOR ); // Load an image
// Check if image is loaded fine
if(src.empty()){
printf(" Error opening image\n");
printf(" Program Arguments: [image_name -- default lena.jpg] \n");
return -1;
}
// Reduce noise by blurring with a Gaussian filter ( kernel size = 3 )
GaussianBlur( src, src, Size(3, 3), 0, 0, BORDER_DEFAULT );
cvtColor( src, src_gray, COLOR_BGR2GRAY ); // Convert the image to grayscale
Mat abs_dst;
Laplacian( src_gray, dst, ddepth, kernel_size, scale, delta, BORDER_DEFAULT );
// converting back to CV_8U
convertScaleAbs( dst, abs_dst );
imshow( window_name, abs_dst );
waitKey(0);
return 0;
}
解释
声明变量
// Declare the variables we are going to use
Mat src, src_gray, dst;
int kernel_size = 3;
int scale = 1;
int delta = 0;
int ddepth = CV_16S;
const char* window_name = "Laplace Demo";
加载源图像
const char* imageName = argc >=2 ? argv[1] : "lena.jpg";
src = imread( samples::findFile( imageName ), IMREAD_COLOR ); // Load an image
// Check if image is loaded fine
if(src.empty()){
printf(" Error opening image\n");
printf(" Program Arguments: [image_name -- default lena.jpg] \n");
return -1;
}
降低噪音
// Reduce noise by blurring with a Gaussian filter ( kernel size = 3 )
GaussianBlur( src, src, Size(3, 3), 0, 0, BORDER_DEFAULT );
灰度
cvtColor( src, src_gray, COLOR_BGR2GRAY ); // Convert the image to grayscale
拉普拉斯算子
Laplacian( src_gray, dst, ddepth, kernel_size, scale, delta, BORDER_DEFAULT );
- 参数是:
- src_gray:输入图像。
- dst:目标(输出)图像
- ddepth:目标图像的深度。由于我们的输入是CV_8U因此我们定义 ddepth = CV_16S 以避免溢出
- kernel_size:要在内部应用的 Sobel 算子的内核大小。在此示例中,我们使用 3。
- scale、delta 和 BORDER_DEFAULT:我们将它们保留为默认值。
将输出转换为 <em>CV_8U</em> 图像
// converting back to CV_8U
convertScaleAbs( dst, abs_dst );
显示结果
imshow( window_name, abs_dst );
waitKey(0);
结果
- 编译上面的代码后,我们可以运行它,将图像的路径作为参数。例如,使用作为输入:
- 我们得到以下结果。请注意,树木和奶牛的轮廓是如何大致清晰地定义的(除了强度非常相似的区域,即奶牛头部周围)。另外,请注意,树木后面的房子屋顶(右侧)是臭名昭著的标记。这是因为该区域的对比度较高。
参考文献:
1、 《Laplace Operator》---Ana Huamán