python 拉普拉斯算子 边缘提取 模糊判断

两年的研究僧图像处理经验告诉我，微分锐化，积分平滑，至于为什么，仔细想想微分和积分的曲线图就知道了。

拉普拉斯算子是二阶微分，由于图像是坐标系中离散的点，微分方程如下：

二阶微分推导过程如下：

对应的算子矩阵如下：

那就尝试一下，cv库有自带的拉普拉斯函数 cv2.Laplacian，此处自写，加强理解。

import numpy
import cv2

def laplace2(img):
    g = numpy.array(((0, 1, 0), (1, -4, 1), (0, 1, 0)))
   # g = numpy.array(((1, 1, 1), (1, -8, 1), (1, 1, 1)))
    re = numpy.zeros_like(img)    #生成与img相同shape的全0数组
    for i in range(1, img.shape[0] - 1):
        for j in range(1, img.shape[1] - 1):
            re[i, j] = (img[i-1 : i+2, j-1 : j+2] * g).sum()#+img[i,j]
    cv2.imwrite('./'+'1.jpg',re)
    return re

img=cv2.imread('demo.jpg')
img=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) 
laplace2(img)

背景噪声还是很多的，所以通常先用高斯滤波消除噪声，本博客只是一个简单粗暴的实验，图片禁止盗取~ 

由此延伸，拉普拉斯算子是图像的二阶导，可以检测图像灰度值的快速变化，拉普拉斯算子经常用于图像的边缘检测。正常图像中边界清晰，经拉普拉斯计算后方差较大；模糊图像边界信息少，方差小。所以，可以利用拉普拉斯算子做图像的模糊检测。

一句代码搞定，cv2.Laplacian(image, cv2.CV_64F).var()。然后根据样本设置合适的阈值。