Opencv C++ Laplance算子、Sobel算子

Laplance算子

Laplace算子可以实现图像的锐化（通常称“高通滤波”），拉普拉斯是二阶导数算子，因此会突出图像中的急剧灰度过渡，并且不强调缓慢变化的灰度区域。

拉普拉斯是最简单的各向同性导数算子（这种核的响应与图像中灰度不连续的方向无关），对于两个变量的图像f(x,y)，它定义为

公式（1）

 

公式（1）可以用图1中的核对图像进行卷积运算实现；

图1

 

Mat kernel=(Mat_<float>(3,3)<<0,-1,0,-1,4,-1,0,-1,0)  //构建Laplane卷积核
filter2D(src,Laplacian_image,CV_8UC3,kernel,Point(-1,-1))//输入图像与Laplance进行卷积
/*void filter2D( InputArray src, OutputArray dst, int ddepth,
                 InputArray kernel, Point anchor = Point(-1,-1),
                 double delta = 0, int borderType = BORDER_DEFAULT );
*/

输入图像和输出结果

 

拉普拉斯算子产生的图像是叠加在暗色无特征背景上。将拉普拉斯图像与原图像相加，可以恢复背景特征，同时保留拉普拉斯的锐化效果。

addWeighted(src,0.5,Laplacian_image,8,0.5,dst)//将拉普拉斯图像与原图像相加
/*
addWeighted(InputArray src1, double alpha, InputArray src2,
            double beta, double gamma, OutputArray dst, int dtype = -1)
*/

拉普拉斯图像与原图像相加

 

Sobel算子

Sobel算子和 Laplance算子都可以锐化图像，但Sobel算子是一阶导数（用梯度幅度实现）锐化图像。图像f在坐标（x，y）处梯度定义为二维向量：

这个向量在位置（x,y）处的重要几何性质是它指向f的最大变化率方向。

向量▽f的幅度（梯度方向变化率在（x，y）处的值）表示为M（x，y），其中：