OpenCV-Python教程（7、Laplacian算子）

本篇文章介绍如何用OpenCV-Python来使用Laplacian算子。

提示：

• 转载请详细注明原作者及出处，谢谢！
  
• 本文介绍使用在OpenCV-Python中使用Laplacian函数
• 本文不介详细的理论知识，读者可从其他资料中获取相应的背景知识。笔者推荐清华大学出版社的《图像处理与计算机视觉算法及应用(第2版) 》。

Laplacian算子

图像中的边缘区域，像素值会发生“跳跃”，对这些像素求导，在其一阶导数在边缘位置为极值，这就是Sobel算子使用的原理——极值处就是边缘。如下图（下图来自OpenCV官方文档）：

如果对像素值求二阶导数，会发现边缘处的导数值为0。如下（下图来自OpenCV官方文档）：

Laplace函数实现的方法是先用Sobel 算子计算二阶x和y导数，再求和：（CSDN，你打水印，让我的公式怎么办？）

函数原型

在OpenCV-Python中，Laplace算子的函数原型如下：

[python]  view plain copy

1. dst = cv2.Laplacian(src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]])  

如果看了上一篇Sobel算子的介绍，这里的参数应该不难理解。

前两个是必须的参数：

• 第一个参数是需要处理的图像；
• 第二个参数是图像的深度，-1表示采用的是与原图像相同的深度。目标图像的深度必须大于等于原图像的深度；

其后是可选的参数：

• dst不用解释了；
• ksize是算子的大小，必须为1、3、5、7。默认为1。
• scale是缩放导数的比例常数，默认情况下没有伸缩系数；
• delta是一个可选的增量，将会加到最终的dst中，同样，默认情况下没有额外的值加到dst中；
• borderType是判断图像边界的模式。这个参数默认值为cv2.BORDER_DEFAULT。

使用

这里还是以Sobel一文中的石狮作为测试图像，下面是测试代码：

[python]  view plain copy

1. #coding=utf-8  
2. import cv2  
3. import numpy as np    
4.   
5. img = cv2.imread("D:/lion.jpg", 0)  
6.   
7. gray_lap = cv2.Laplacian(img,cv2.CV_16S,ksize = 3)  
8. dst = cv2.convertScaleAbs(gray_lap)  
9.   
10. cv2.imshow('laplacian',dst)  
11. cv2.waitKey(0)  
12. cv2.destroyAllWindows()  

为了让结果更清晰，这里的ksize设为3，效果图如下：

有点像粉笔画，是吧。这是因为原图像未经过去噪就直接处理了。可以通过滤波一文中，使用低通滤波一节中高斯模糊来先处理一下再用拉普拉斯函数。

参考资料：

1、《Opencv2 Computer Vision Application Programming Cookbook》

2、《OpenCV References Manule》

如果觉得本文写的还可以的话，请轻点“顶”，您的支持是我写下去的动力之一。未完待续。。。如有错误请指正，本人会虚心接受并改正！谢谢！