关于拉普拉斯算子的一些解答

转载请标明出处，https://blog.csdn.net/qq_36491519/article/details/86347393

已经有一年多没有写过博客了，最近好多新同事在学习计算机视觉的时候经常会问一些基础的问题，比如拉普拉斯算子等。因此打算重拾旧业写一些博客，以供大家参考。以前在国外的时候跟风（因为师兄弟们都是老外--貌似我才是老外。。。。）喜欢在国外的论坛上去写一些东西（呵呵，我的东方思维人家看不懂，所以没什么浏览量），现在决定在csdn上好好写一写。题外话了，开始正题。

拉普拉斯算子其实就是一个二阶微分算子，微分算子干嘛用的？锐化，增强，清晰图片用的。

有微分算子当然有积分算子，积分就可以看做是累加了。所以微分算子和平均运算等都被用于模糊图像，这些以后再谈论。

拉普拉斯算子公式：

展开之后

到这里就比较清晰了，最基本的拉普拉斯算子就成型了，

在3*3的掩模中就可以标识为：

 

0	1	0
1	-4	1
0	1	0

这只是各基本版，你也可以根据需求做扩展，扩展就有很多了，按你自己的实际需求来设计。

往往在实际工程中我们不单纯的用拉普拉斯算子，而是用原始图像和拉普拉斯算子叠加来完成图像操作，如下公式：

 

实际操作后的图如下：

(a)图为月球原图，（b)为拉普拉斯处理过的图，（d)用原始图像和拉普拉斯算子叠加来完成的图像，是不是（d)效果更好呀。

用c++代码实现还是比较简单的，毕竟公式不复杂，（你也可以用matlab,python等实现）最懒的办法就是看opencv的算子实现。

 

/**************************************
*by 狂徒vincent
https://blog.csdn.net/qq_36491519
* 函数名称：
*     LapTemplate(int inputH, int inputW, int inputX0, int inputY0, float * pTemplate, float fCoef)
*     参数：
*     int inputH-模板的高度
*     int inputW-模板的宽度
*     int inputX0-模板的中心元素X坐标
*     int inputY0-模板的中心元素Y坐标
*     float *pTemplate-指向模板数组的指针
*     float f-模板系数
*
* 返回值：
*     void
*/**************************************

    void LapTemplate(int inputH, int inputW, int inputX0, int inputY0, float * pTemplate, float fCoef){
	unsigned char *pSrc, *pDst; 
    int  i,j,k,l;
	float value;
	int m_imgWidth =inputH;
	int [] m_pImgDataOut;
	int m_nBitCount = 8;
    if(m_pImgDataOut != NULL)
    {
        delete []m_pImgDataOut;
        m_pImgDataOut = NULL;
}
	int lineByte = (m_imgWidth * m_nBitCount / 8 + 3) / 4 * 4;

	if(m_nBitCount != 8)
	{
	AfxMessageBox("只能处理8位灰度图像!");
	return ;
	}
	//创建要复制的图像区域
	int m_nBitCountOut = m_nBitCount;
	int lineByteOut = (m_imgWidth * m_nBitCountOut / 8 + 3) / 4 * 4;
	if (!m_pImgDataOut)
		{m_pImgDataOut = new unsigned char
		[lineByteOut * m_imgHeight];
		}

	int pixelByte = m_nBitCountOut / 8;
	for(i = 0; i < m_imgHeight; i++){
		for(j = 0; j < m_imgWidth * pixelByte; j++)
			*(m_pImgDataOut + i * lineByteOut + j)= *(m_pImgData + i * lineByteOut + j);
	}

//行处理
	for (i = inputY0; i < m_imgHeight - inputH + inputY0 + 1; i++)
	{
	//列处理
		for (j = inputX0; j <inputW + inputX0 + 1; j++)
		{//指向新DIB第i行第j列像素的指针
			pDst = m_pImgDataOut + lineByte * (m_imgHeight -1 - i) + j;

			value=0;
		//计算
			for (k = 0; k < inputH; k++)
			{
				for (l = 0; l < inputW; l++)
				{
					pSrc = m_pImgData + lineByte * (m_imgHeight - 1 - i + inputY0 - k)+ j - inputX0 + l;
				//计算加权平均
					value += (*pSrc) * pTemplate[k * inputW + l];
				}
			}
		//乘以系数
		value *= f;//取结果的绝对值
		value = (float)fabs(value);
		if (value > 255)
		{
			*pDst = 255; 
		}
		else
		{
			*pDst = (unsigned char)(value+0.5);
		}
	}
}
/**by 狂徒vincent
https://blog.csdn.net/qq_36491519
*/
}

这就是拉普拉斯算子，但有一点很重要，就是拉普拉斯算子虽然在边缘检测等很有用，但会造成噪声增强，所以在用拉普拉斯算子之前一定要做平滑处理等来去噪。

拉普拉斯算子就讲到这吧，有机会再和大家分享我在图像处理，计算机视觉以及视频技术方面的一些经验，也期盼从各位中学到新知识。