图像的拉普拉斯算子之c++实现（qt + 不调包）_laplacian函数计算图像清晰度c(2)

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上物联网嵌入式知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、电子书籍、讲解视频，并且后续会持续更新

如果你需要这些资料，可以戳这里获取

1.基本原理

拉普拉斯算子为二阶微分算子，

可转换成公式：

1.一般应用的时候，会涉及到正相拉普拉斯模板和反相拉普拉斯模板

2.拉普拉斯素描

第一步：用正相拉普拉斯模板求边缘

第二步：去除噪声（取下面两个模板结果最大值，可防止把45°方向边缘像素误认为是噪声）

第三步：平滑滤波得到柔和的边缘

3.高斯拉普拉斯算子

拉普拉斯算子是一种高通滤波器，是影像灰度函数在两个垂直方向二阶偏导数之和。在离散数字影像的情况下,直接用影像灰度级的二阶差分代替连续情形下的二阶偏导数,对噪声很敏感,在提取边缘时往往会出现伪边缘响应。为克服拉普拉斯算子的不足,宜先对数字影像进行低通滤波，抑制噪声。高斯函数是一种很好的归一化低通滤波器,可用于对数字影像进行低通滤波以减少噪声的影响，在此基础上再利用拉普拉斯算子提取边缘,这就是高斯-拉普拉斯算子，又称为LOG(Laplacian of Gaussian)算子。下面是一个简化之后的高斯拉普拉斯模板。

2.代码实现（代码是我以前自学图像处理时写的，代码很粗糙没做任何优化，但很好理解）

/*拉普拉斯边缘检测 比例scale对差分结果进行缩放 mode 为选择那一种方式 0只 显示正边缘，1只显示负边缘，2显示所有的边缘，3同时用高灰度和低灰度分别显示正负边缘*/
QImage* MainWindow:: SideLaplacian(QImage* image,double scale,int mode)
{
    QImage* newImage = new QImage(image->width(),image->height(),QImage::Format_ARGB32);
    QColor color0;
    int templt[3][3] = {
        {1,1,1},
        {1,-8,1},
        {1,1,1}
    };
    int templtsize = 3;
    for(int y = templtsize/2; y < image->height() - templtsize/2; y++)
    {
        for(int x = templtsize/2; x < image->width() - templtsize/2;x++)
        {
            int r =0;
            int g = 0;
            int b = 0;
            for(int j = -templtsize/2; j <= templtsize/2;j++)
            {
                for(int i = -templtsize/2; i <= templtsize/2;i++)
                {
                       color0 = QColor(image->pixel(x + i,y + j));
                       r += color0.red() * templt[i + templtsize/2][j + templtsize/2];
                       g += color0.green() * templt[i + templtsize/2][j + templtsize/2];
                       b += color0.blue() * templt[i + templtsize/2][j + templtsize/2];
                }
            }
           r*= scale;
           g*=scale;
           b*=scale;
           r = qBound(-255,r,255);
           g = qBound(-255,g,255);
           b = qBound(-255,b,255);
           switch (mode) {
           case 0:
               if(r<0) r = 0;
               break;
           case 1:
               if(r>0) r = 0;
               r = -r;
               break;
           case 2:
               if(r<0) r = -r;
               break;
           case 3:
               if(r<0) r = 128 + r/2;
               break;
           default:
               break;
           }
           switch (mode) {
           case 0:
               if(g<0) g = 0;
               break;
           case 1:
               if(g>0) g = 0;
               g = -g;
               break;
           case 2:
               if(g<0) g = -g;
               break;
           case 3:
               if(g<0) g = 128 + g/2;
               break;
           default:
               break;
           }
           switch (mode) {
           case 0:
               if(b<0) b = 0;
               break;
           case 1:
               if(b>0) b = 0;
               b = -b;
               break;
           case 2:
               if(b<0) b = -b;
               break;
           case 3:
               if(b<0) b = 128 + b/2;
               break;
           default:
               break;
           }
            newImage->setPixel(x,y,qRgb(r,g,b));
        }
    }
    return newImage;
}

/*拉普拉斯素描 k是用来消噪声点，ka是用来消灰度较低的斑点*/
QImage* MainWindow:: LaplacianB(QImage* image,double scale,int k,int ka)
{
    QImage* newImage = new QImage(image->width(),image->height(),QImage::Format_ARGB32);
    QImage* newImage1 = new QImage(image->width(),image->height(),QImage::Format_ARGB32);
    QColor color0;
    int templt[3][3] = {
        {1,1,1},
        {1,-8,1},
        {1,1,1}
    };
    int templt1[3][3] = {
        {1,1,-1},
        {1,0,-1},
        {1,-1,-1}
    };
    int templt2[3][3] = {
        {1,1,1},
        {-1,0,1},
        {-1,-1,-1}
    };
    int templt3[3][3] = {
        {1,1,1},
        {1,4,1},
        {1,1,1}
    };
    int templtsize = 3;
    for(int y = templtsize/2; y < image->height() - templtsize/2; y++)
    {
        for(int x = templtsize/2; x < image->width() - templtsize/2;x++)
        {
            int r =0;
            int g = 0;
            int b = 0;
            int r1 =0;
            int g1= 0;
            int b1 = 0;
            int r2 =0;
            int g2 = 0;
            int b2 = 0;
            int r3=0;
            int g3 = 0;
            int b3 = 0;
            for(int j = -templtsize/2; j <= templtsize/2;j++)
            {
                for(int i = -templtsize/2; i <= templtsize/2;i++)
                {
                       color0 = QColor(image->pixel(x + i,y + j));
                       r += color0.red() * templt[i + templtsize/2][j + templtsize/2];
                       g += color0.green() * templt[i + templtsize/2][j + templtsize/2];
                       b += color0.blue() * templt[i + templtsize/2][j + templtsize/2];

                       r1+= color0.red() * templt1[i + templtsize/2][j + templtsize/2];
                       g1 += color0.green() * templt1[i + templtsize/2][j + templtsize/2];
                       b1 += color0.blue() * templt1[i + templtsize/2][j + templtsize/2];

                       r2 += color0.red() * templt2[i + templtsize/2][j + templtsize/2];


**收集整理了一份《2024年最新物联网嵌入式全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升的朋友。**
![img](https://img-blog.csdnimg.cn/img_convert/b4764b765866594627b5eec53411c99f.png)
![img](https://img-blog.csdnimg.cn/img_convert/8514ae8d5bcd0d65a8688cc5a5e1bde0.png)

**[如果你需要这些资料，可以戳这里获取](https://bbs.csdn.net/topics/618679757)**

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人**

**都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

39)]
[外链图片转存中...(img-Z9j84mFV-1715713558040)]

**[如果你需要这些资料，可以戳这里获取](https://bbs.csdn.net/topics/618679757)**

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人**

**都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**