c++ opencv数字图像处理：锐化（高通）空间滤波器基础，锐化空间滤波之拉普拉斯（二阶导数滤波）

文章目录
前言
一、锐化空间滤波基础
二、拉普拉斯锐化滤波
1.拉普拉斯算子
2.代码
前言
数字图像处理c++ opencv（VS2019 opencv4.53）持续更新

一、锐化空间滤波基础
一阶导数定义为差分

二阶导数定义为差分

二、拉普拉斯锐化滤波
1.拉普拉斯算子
四邻域：

八邻域：

拉普拉斯锐化图像方法：

f和g分别为输入图像和输出图像。

2.代码
#include<iostream>
#include<opencv2/opencv.hpp>

using namespace cv;
using namespace std;

//定义滤波函数
void myfilter( Mat& image_input, Mat& image_output); //四邻域
void myfilter2(Mat& image_input, Mat& image_output); //八邻域

int main()
{ 
    Mat image, image_gray, image_output, image_output2;   //定义输入图像，灰度图像，输出图像
    image = imread("lena.png");  //读取图像；
    if (image.empty())
    {
        cout << "读取错误" << endl;
        return -1;
    }
    imshow("image", image);

    cvtColor(image, image_gray, COLOR_BGR2GRAY);
    imshow("image_gray", image_gray);

    //自编函数
    myfilter(image_gray, image_output); //4邻域
    imshow("image_output", image_output); 

    myfilter2(image_gray, image_output2); //8邻域
    imshow("image_output2", image_output2);

    waitKey(0);  //暂停，保持图像显示，等待按键结束
    return 0;
}

void myfilter(Mat& image_input, Mat& image_output) //4
{
    image_output = image_input.clone();
    int la;
    for (int i = 1; i < (image_input.rows-1); i++)
    {
        for (int j = 1; j < (image_input.cols - 1); j++)
        {
            la = 4 * image_input.at<uchar>(i, j) - image_input.at<uchar>(i + 1, j) - image_input.at<uchar>(i - 1, j) - image_input.at<uchar>(i, j + 1) - image_input.at<uchar>(i, j - 1);

            image_output.at<uchar>(i, j) = saturate_cast<uchar>(image_output.at<uchar>(i, j) + la);

        }
    }
}

void myfilter2(Mat& image_input, Mat& image_output) //8
{
    image_output = image_input.clone();
    int la2;
    for (int i = 1; i < (image_input.rows - 1); i++)
    {
        for (int j = 1; j < (image_input.cols - 1); j++)
        {
            la2 = 8 * image_input.at<uchar>(i, j) - image_input.at<uchar>(i + 1, j) - image_input.at<uchar>(i - 1, j) - image_input.at<uchar>(i, j + 1) - image_input.at<uchar>(i, j - 1)
                - image_input.at<uchar>(i-1, j-1)- image_input.at<uchar>(i+1, j+1)- image_input.at<uchar>(i-1, j+1)- image_input.at<uchar>(i+1, j-1);

            image_output.at<uchar>(i, j) = saturate_cast<uchar>(image_output.at<uchar>(i, j) + la2);

        }
    }
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
结果：

文章知识点与官方知识档案匹配，可进一步学习相关知识
————————————————

                            版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
                        
原文链接：https://blog.csdn.net/qq_44785013/article/details/121417838