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;
}