花老湿学习OpenCV：Laplacian算子与边缘检测

引言：

图像的边缘有方向和幅度两个属性,沿边缘方向像素变化平缓,垂直于边缘方向像素变化剧烈.边缘上的这种变化可以用微分算子检测出来,通常用一阶或二阶导数来检测边缘。

前面已经介绍了Sobel算子，接下来介绍Laplacian算子与边缘检测。

 

Laplacian算子：

 

在一个二维函数f(x,y)中，x,y两个方向的二阶差分分别为，

所以Laplace算子的差分形式为，

 写成filter mask的形式如下：

API介绍： 

代码示例：

 

#include "pch.h"
#include <iostream>
#include "opencv2/opencv.hpp"

using namespace std;
using namespace cv;


int main()
{
	Mat src = imread("F:\\visual studio\\Image\\building2.jpg");
	if (src.empty())
	{
		cout << "Can't load the image" << endl;
		return -1;
	}
	imshow("src", src);
	//边缘检测的算法主要是基于图像强度的一阶和二阶导数，但导数通常对噪声很敏感，
	//因此必须采用滤波器来改善与噪声有关的边缘检测器的性能
	Mat blursrc;
	GaussianBlur(src, blursrc, Size(3, 3), 0, 0);

	//转化为灰度图
	Mat graysrc;
	cvtColor(blursrc, graysrc, cv::COLOR_BGR2GRAY);
	imshow("graysrc", graysrc);

	//Laplace变换
	Mat dst;
	Laplacian(graysrc, dst, CV_16S, 3);
	convertScaleAbs(dst, dst);

	imshow("edge", dst);
	waitKey(0);
}

 

 

 

疑问::

根据拉普拉斯算子的定义，在图像边缘处二阶导应该为0，在图像中应显示黑色，在过零点附近的波峰波谷应该显示为白色，所以我们得到的边缘实际上是  白黑白 相间的？ 中间的黑色才是确切的边缘位置？？

解答：

白色其实显示的边缘周围的极值点，但是几乎都是围绕在边缘周围。