理论:
在二阶导数的时候,最大变化处的值为0,即边缘是零,通过二阶导数计算,依据此理论我们可以计算图像的二阶导数,提取边缘。
Laplance算子
二阶导数我不会,别担心->拉普拉斯算子(Laplanceoperator)
Opencv已经提供了相关APl- cv::Laplance
处理流程:
高斯模糊-去噪声GaussianBlur()
转换为灰度图像cvtColor()
拉普拉斯-二阶导数计算Laplacian()取绝对值convertScaleAbs()
显示结果
代码:
#include<opencv2/opencv.hpp>
#include<iostream>
using namespace cv;
int main(int argc, char** argv) {
Mat src, dst;
src = imread("C:/Users/ThinkPad/Desktop/1.PNG");
if (!src.data) {
printf("could not find");
return -1;
}
namedWindow("demo", cv::WINDOW_AUTOSIZE);
imshow("demo", src);
Mat gray_src, edge_image;
//高斯模糊
GaussianBlur(src, dst, Size(3, 3), 0, 0);
//转为灰度图
cvtColor(dst, gray_src, COLOR_BGR2GRAY);
//拉普拉斯操作
Laplacian(gray_src, edge_image, CV_16S, 3);
//绝对值转换
convertScaleAbs(edge_image, edge_image);
//处理边缘图像
threshold(edge_image, edge_image, 0, 255, THRESH_OTSU | THRESH_BINARY);
imshow("final result", edge_image);
waitKey(0);
return 0;
}
在没有进行处理时的拉普拉斯操作,可以看到噪声有点严重。
添加threshold进行处理之后:
threshold(edge_image, edge_image, 0, 255, THRESH_OTSU | THRESH_BINARY);