OpenCV第九讲：图像变换之边缘检测(Laplacian +Scharr 算子)

图像掩码（Mask）: 其思想是, 根据掩码矩阵（也称作核）重新计算图像中每个像素的值。掩码矩阵中的值表示近邻像素值（包括该像素自身的值）对新像素值有多大影响。从数学观点看，我们用自己设置的权值，对像素邻域内的值做了个加权平均。

1. Laplacian 算子

Laplacian 算子（拉普拉斯）， 是n维欧几里德空间中的一个二阶微分算子，定义为梯度的散度（参考：一阶为梯度，二阶为散度）。

拉普拉斯算子的定义：

Laplace$(f)=\frac{{\partial }^{2}f}{\partial x^2}+\frac{{\partial }^{2}f}{\partial y^2}$

注意： 拉普拉斯算子使用了图像梯度，它的内部代码调用了Sobel算子， 且如果让一幅图像减去它的Laplacian算子可以增强对比度。

• 源代码剖析

		/************************************************************
		 * void Laplacian( InputArray src, OutputArray dst, int ddepth,
				             int ksize = 1, double scale = 1, double delta = 0,
				             int borderType = BORDER_DEFAULT );
		 * 
		 * ksize = 1, 内核大小为3*3 
		 * 
		 * src: image 8-bit input image ;
		 * 
		 * ******************************************************************/
			Mat lapImage;
			Laplacian(grayImage, lapImage, -1, 1, 1, 0);
			imshow("Laplacian", lapImage);

• 测试结果对比

2. Scharr算子 – Scharr 滤波器

一般称其为Scharr滤波器， 它主要是配合Sobel算子的运算而存在。

Scharr() 函数： 计算图像差分， 分别计算x, y 方向上的图像差分。它的参数变量除了没有ksize核参数，其他参数变量与Sobel基本一样。

• 源代码剖析

		/***************************************************************
		 * Scharr( InputArray src, OutputArray dst, int ddepth,
				          int dx, int dy, double scale = 1, double delta = 0,
				          int borderType = BORDER_DEFAULT );
		 * *************************************************************/
		Mat grad_x_2, grad_y_2, abs_grad_x_2, abs_grad_y_2;
		Mat schImage;
		Scharr(srcImage, grad_x_2, -1, 1, 0, 1, 0 );
		// Scahrr 滤波器中这一步不可少
		convertScaleAbs(grad_x, abs_grad_x_2); 
		//imshow("grad_x_2", grad_x_2);
		imshow("abs_grad_x_2", abs_grad_x_2);

		Scharr(srcImage, grad_y_2, -1, 0, 1, 1, 0);  // y方向上的梯度有点差
		convertScaleAbs(grad_y_2, abs_grad_y_2);
		imshow("abs_grad_y_2", abs_grad_y_2);
	
		addWeighted(abs_grad_x_2, 0.8, abs_grad_y_2, 0.2, 0, schImage);
	
		imshow("Scharr", schImage);

• 测试结果对比
  
  在上图中，从左至右分别是 Sobel --> Scharr --> Laplacian

3.小结

从这两节的边缘检测的测试可以看出：

1. 在相同条件下，Canny算子检测不完全，有部分区域还没有去除；
2. Sobel算子和Laplacian算子在某种程度上边缘检测比较完整；
3. Scharr滤波器可能参数需要调整，或者该怎么配合Sobel使用是个问题，在这里测试发现在y方向的梯度误差太大。