opencv基础篇 ——（七）边缘检测和图像锐化

        锐化和边缘检测是图像处理中常用的两种技术，它们可以用来增强图像的特征以及检测图像中的边缘

锐化： 锐化是一种增强图像中细节和边缘的技术，它使图像中的过渡区域更加明显，从而提高图像的清晰度和对比度。常见的锐化方法包括拉普拉斯算子和高斯滤波器等。

边缘检测： 边缘检测是一种寻找图像中突变区域的技术，它可以帮助我们找到图像中不同区域之间的边界。常见的边缘检测算法包括 Sobel、Canny 和 Scharr 等。

拉普拉斯算子laplacian 

        cv::laplacian 是 OpenCV 库中用于计算图像拉普拉斯算子（Laplacian operator）的函数，常用于边缘检测和图像锐化。拉普拉斯算子是一个二阶微分算子，可以捕捉图像中灰度值的快速变化，即边缘和细节变化。

函数声明：

void cv::laplacian(
    InputArray src,
    OutputArray dst,
    int ddepth,
    int ksize = 1,
    double scale = 1,
    double delta = 0,
    int borderType = BORDER_DEFAULT);

参数说明：

• InputArray src： 输入图像，可以是单通道 8-bit、16-bit 或 32-bit 浮点型图像，或者是多通道图像（在这种情况下，每个通道分别计算拉普拉斯响应，然后组合成输出图像）。

• OutputArray dst： 输出图像，存储计算得到的拉普拉斯响应。数据类型取决于 ddepth 参数。

• int ddepth： 输出图像的数据深度。可以选择如下值：

  • -1：表示与输入图像 src 同样的深度。
  • CV_8U、CV_16U、CV_16S、CV_32F 或 CV_64F：指定输出图像的具体数据类型。

• int ksize： 拉普拉斯滤波器的大小，必须为奇数且大于等于 1。较大的 ksize 可以平滑噪声，但可能会降低边缘定位的精度；较小的 ksize 对噪声敏感，但能更好地保留边缘细节。

• double scale： 用于调整拉普拉斯响应的尺度因子。计算出的拉普拉斯值乘以 scale 后再存储到输出图像中。默认值为 1。

• double delta： 加到拉普拉斯响应上的偏置值。通常用于避免由于计算导致的负值或值过小的问题，有助于保持结果的动态范围。默认值为 0。

• int borderType： 边界填充类型，定义了如何处理图像边缘以外的像素。可选值包括：

  • BORDER_CONSTANT: 使用指定的 borderValue 填充边缘。
  • BORDER_REPLICATE: 复制边缘像素值。
  • BORDER_REFLECT: 反射边缘像素。
  • BORDER_WRAP: 包裹边缘像素。
  • 其他边界模式，具体参见 OpenCV 文档。

  默认值为 BORDER_DEFAULT，相当于 BORDER_REFLECT_101，即边缘像素以一种类似镜面反射的方式扩展。

工作原理与应用：

cv::laplacian 函数计算输入图像 src 上的拉普拉斯算子响应。拉普拉斯算子本质上是对图像在二维空间上进行二次微分，其数学表达式为：

其中，( f(x, y) ) 表示图像在坐标 ( (x, y) )处的灰度值。通过计算图像在水平和垂直方向上的二阶导数之和，拉普拉斯算子能够检测到灰度值的过零点（zero-crossings），这些点通常对应图像中的边缘位置。

在实际计算过程中，cv::laplacian 函数使用一个离散化的模板（卷积核）来近似拉普拉斯算子。模板的大小由 ksize 参数指定，常见的如 3x3、5x5 等。模板内的系数构成一个类似于： 

的对角线权重分布，中心像素与周围像素的差异被放大，从而凸显边缘。

应用示例：

// 读取输入图像
cv::Mat src = cv::imread("input_imag