【python】实现canny算子与LoG算子

参考链接：https://www.cnblogs.com/wj-1314/p/9800272.html

一、LoG算子

参考：
https://blog.csdn.net/pi9nc/article/details/8655396
http://www.roborealm.com/help/LOG.php

1.Laplacian算子

定义：图像I在x、y方向上的二阶导数的和

三个经典模板：

模板实际上是根据离散数据求近似二阶导数的公式，整理得到的矩阵形式。

2.LoG算子

由于Laplacian算子对噪点敏感，常常在Laplacian处理前对图片进行高斯滤波，为了简化运算，将高斯滤波算子与Laplacian算子相结合，就得到了LoG算子:



而当高斯滤波范围很窄（方差很小）时，高斯滤波不再产生影响，LoG算子退化为Laplacian算子。

3.编程实现

参考网站的代码有一个严重的错误

第27行的image应改为new_image，以将new_image的灰度值缩放到0~255范围内。
下面是更正后的代码

# LoG边缘检测算子
def LaplaceOperator(roi, operator_type="fourfields"):
    if operator_type == "fourfields":
        laplace_operator = np.array([[0, 1, 0], [1, -4, 1], [0, 1, 0]])
    elif operator_type == "eightfields":
        laplace_operator = np.array([[1, 1, 1], [1, -8, 1], [1, 1, 1]])
    else:
        raise ("type Error")
    result = np.abs(np.sum(roi * laplace_operator))
    return result


def LaplaceAlogrithm(image, operator_type="fourfields"):
    # 提取结果
    new_image = np.zeros(image.shape)
    # 扩充边界
    image = cv2.copyMakeBorder(image, 1, 1, 1, 1, cv2.BORDER_DEFAULT)
    for i in range(1, image.shape[0] - 1):
        for j in range(1, image.shape[1] - 1):
            new_image[i - 1, j - 1] = LaplaceOperator2(image[i - 1:i + 2, j - 1:j + 2], operator_type)
    # 归一
    new_image = new_image * (255 / np.max(new_image)