OpenCv学习17——Laplace算子

1. 简介：本节学习承接上节Sobel算子的学习，本节是利用Laplace算子来进行边缘的提取。
   Laplace算子简介：拉普拉斯算子（Laplace Operator）是n维欧几里德空间中的一个二阶微分算子，定义为梯度（▽f）的散度（▽·f）。拉普拉斯算子也可以推广为定义在黎曼流形上的椭圆型算子，称为拉普拉斯-贝尔特拉米算子。
   而对于一个图像来说，其边缘是其像素变化最大的位置，也就是一阶导数最大的位置，而一阶导数最大的位置则为二阶导数为零的位置，则依据此理论我们可以计算图像的二阶导数来进行边缘的提取。
   
   

2. 处理流程：

   ①高斯模糊—去除噪声GaussianBlur()
   ②转换为灰度图像cvtColor()
   ③拉普拉斯-二阶导数计算Laplacian()
   ④取绝对值convertScaleAbs()
   ⑤显示结果

3. 用到的重要API——Laplacian
   函数原型：

   CV_EXPORTS_W void Laplacian( InputArray src, OutputArray dst, int ddepth,
                                int ksize = 1, double scale = 1, double delta = 0,
                                int borderType = BORDER_DEFAULT );
   

   第三个参数为位图深度，我们一般选择深度为CV_16S
   第四个参数为ksize，我们一般选择其大小为3
   最后一般为了显示效果更好我们通常还要对其进行阈值操作

4. 实验代码及效果展示：

   // test1.cpp: 定义控制台应用程序的入口点。
   //
   #include "stdafx.h"
   #include<iostream>
   #include<opencv2\opencv.hpp>
   
   using namespace std;
   using namespace cv;
   
   int main()
   {
   	Mat src, gray_src, dst;
   	src = imread("G:/He/opencv_images/test.jpg");
   	if (src.empty())
   	{
   		cout << "could not load the images" << endl;
   		return -1;
   	}
   	namedWindow("origin_image", CV_WINDOW_AUTOSIZE);
   	imshow("origin_image", src);
   	GaussianBlur(src, src, Size(3, 3), 0, 0);
   	cvtColor(src, gray_src, COLOR_BGR2GRAY);
   	Laplacian(gray_src, dst, CV_16S, 3);
   	convertScaleAbs(dst, dst);
   	//进行图像阈值二值化处理
   	threshold(dst, dst, 0, 100, THRESH_OTSU | THRESH_BINARY);
   	namedWindow("Laplace", CV_WINDOW_AUTOSIZE);
   	imshow("Laplace", dst);
   	waitKey(0);
   	destroyAllWindows();
   	return 0;
   }