拉普拉斯算子属于卷积方法吗_边缘检测算法1.-拉普拉斯算子

拉普拉斯算子，是学图像处理最先学习的，是一个二阶差分算法。

一阶差分算子，就是 相邻像素相减。

二阶差分算子，就是 在 一阶差分算子上，继续做相邻像素相减。

三阶差分算子，就是在 二阶差分上，继续差分…………

所以，比较容易理解。

拉普拉斯常用的差分核心

OpenCV里面，提供了一个 Laplace API:

OpenCV标准API

由API描述，该实现是 4领域 参与运算的 差分算子。

调用方式为:

调用方式

注意，需要将 结果进行一定的 归一化，否则 无法显示图像。

使用 abs显示

使用tozero方式

使用scale方式

对于结果，我是使用了 自定义的一些方式，进行展示。

对于Laplace算子的边缘检测效果其实并不好，对于噪声比较敏感，一般都用 LoG或者DoG进行改进。

Laplcae 算子有一个应用，就是归一化的检测结果，进行 方差计算，可以用在模糊检测上面。

double quality_blur_laplace(const Mat& grayImg){ Mat edge; cv::Laplacian(grayImg, edge, CV_16S, 3);//使用3x3的Laplacian算子卷积滤波 cv::convertScaleAbs(edge, edge);//归到0~255 Mat tmp_m1, tmp_sd1; cv::meanStdDev(edge, tmp_m1, tmp_sd1);//计算均值和方差 double sd1 = tmp_sd1.at(0, 0); //标准差 return sd1;}

Laplace 边缘检测还可用在图像锐化上，其实就是 (边缘 + 原图 = 锐化图)

锐化

使用 的核心是

-1,-1,-1-1, 9,-1-1,-1,-1

还有其他用法，……

这就是 鼎鼎大名的 边缘检测算法。