open cvLaplance算子

理论

在二阶导数的时候 最大变化处的值为零既边缘是零值
通过二阶导数计算 依据此理论我们可以计算图像二阶导数
提取边缘

不用考虑二阶导数，拉普拉斯算子已经为我们提供了拉普拉斯算子

API

处理流程

高斯模糊—去噪声GaussianBlur
转换为灰度图像 cvtColor
拉普拉斯—二阶导数计算Laplacian
取绝对值convertScaleAbs //保留负数 转换为正数 保留边缘特征
二值化—threshold(加上二值化增强显示效果)
显示结果

Laplacian(
Mat gray_src,//灰度图像
Mat edge_image,//边缘图像
CV_16S，//位图深度
ksize = 3,//模板尺寸
)

#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui_c.h>
#include <iostream>
#include <math.h>

using namespace cv;
using namespace std;

Mat src,dst,gray,lapimg;

int s;
int Max = 33;
int THRESH = 1;
void Laplaianc(int, void*);

int main()
{

	src = imread("D:/实验台/机器视觉/测试图片/格子衬衫.jpg");
	if (src.empty())//如果src这个数据库属性为空
	{
		cout << "无法打开" << endl;
		return -1;
	}
	imshow("原图", src);
	namedWindow("拉普拉斯Laplacian算子", CV_WINDOW_AUTOSIZE);
	createTrackbar("拉普拉斯算子卷积核调节", "拉普拉斯Laplacian算子", &s, Max, Laplaianc);
	createTrackbar("二值化处理类型", "拉普拉斯Laplacian算子", &THRESH,5, Laplaianc);
	Laplaianc(0,0);
	waitKey(0);
	return 0;
}

void Laplaianc(int, void*)
{
		int ksize = s * 2 + 1;
		GaussianBlur(src, dst, Size(3, 3), 0, 0);//消除噪点
		cvtColor(dst, dst, CV_BGR2GRAY);//转换灰度 增强视觉边缘化
		Laplacian(dst, lapimg, CV_16S, ksize);
		//拉普拉斯算子(输入图片,输出图片,输出图像深度(大于输入深度),卷积核大小)
		convertScaleAbs(lapimg, lapimg);//把被边缘断沿截断溢出的负数 转换为绝对值 正数 保留图像边缘特征 没有convertScaleABS程序会报错
		imshow("拉普拉斯Laplacian算子", lapimg);

		//由于拉普拉斯算子处理后存在噪点 需要进行threshold阈值二值化处理
		threshold(lapimg, lapimg, 0, 255, THRESH_OTSU | THRESH);
		//阈值操作(输入图像,输出图像,最小像素范围,目标像素范围,自动计算最佳阈值|需要的阈值类型)
		imshow("拉普拉斯Laplacian算子二值化消噪", lapimg);
		return;
}