Opencv Laplacian算子

Laplacian算子

图像中的边缘区域，像素值会发生“跳跃”，对这些像素求导，在其一阶导数在边缘位置为极值，这就是Sobel算子使用的原理——极值处就是边缘。如下图（下图来自OpenCV官方文档）：

如果对像素值求二阶导数，会发现边缘处的导数值为0。如下（下图来自OpenCV官方文档）：

Laplace函数实现的方法是先用Sobel 算子计算二阶x和y导数，再求和：

函数原型：
在OpenCV-Python中，Laplace算子的函数原型如下：

dst = cv2.Laplacian(src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]])  

前两个是必须的参数：
第一个参数是需要处理的图像；
第二个参数是图像的深度，-1表示采用的是与原图像相同的深度。目标图像的深度必须大于等于原图像的深度；
其后是可选的参数：
dst不用解释了；
ksize是算子的大小，必须为1、3、5、7。默认为1。
scale是缩放导数的比例常数，默认情况下没有伸缩系数；
delta是一个可选的增量，将会加到最终的dst中，同样，默认情况下没有额外的值加到dst中；
borderType是判断图像边界的模式。这个参数默认值为cv2.BORDER_DEFAULT。

使用：
这里还是以Sobel一文中的石狮作为测试图像，下面是测试代码：

#coding=utf-8  
import cv2  
import numpy as np    

img = cv2.imread("D:/lion.jpg", 0)  

gray_lap = cv2.Laplacian(img,cv2.CV_16S,ksize = 3)  
dst = cv2.convertScaleAbs(gray_lap)  

cv2.imshow('laplacian',dst)  
cv2.waitKey(0)  
cv2.destroyAllWindows()  

转载：http://blog.csdn.net/sunny2038/article/details/9188441