Opencv拉普拉斯算法

#include<iostream>
#include <opencv2/core.hpp>
#include<opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/video/tracking.hpp>
using namespace std;
using namespace cv;

/*
任务要求：
读入一幅彩色图像，利用拉普拉斯算子增强图像边缘，
要求增强幅度用户可控制（控制方式可以是用户通过命令控制台输入增强幅度，
最好是通过滚动条的方式调节），显示出原图和增强后的结果。
*/

class CLaplacian {
private:
	int aperture;		// 拉普拉斯内核的孔径大小(尺寸)
public:
	CLaplacian() : aperture(3) {}
	// 设置内核的孔径大小(尺寸)
	void setAperture(int a) {
		if (a % 2 != 0)
		{
			aperture = a;
		}
	}
	// 计算浮点数类型的拉普拉斯滤波结果
	cv::Mat computeLaplacian(const cv::Mat& image) {
		cv::Mat laplace;	// 存放拉普拉斯滤波结果图
		// 计算拉普拉斯滤波结果
		cv::Laplacian(image, laplace, CV_32F, aperture);
		return laplace;
	}
	// 应用拉普拉斯滤波并获得可显示的结果图
	cv::Mat getLaplacianImage(const cv::Mat& image,
		double scale = -1.0) {
		// 应用拉普拉斯滤波
		cv::Mat laplace = computeLaplacian(image);
		// 如果scale<0，自动设置缩放系数，
		// 保证后面convertTo结果像素值在(0, 255]
		if (scale < 0) {
			double lapmin, lapmax;
			// 取得最小和最大拉普拉斯值
			cv::minMaxLoc(laplace, &lapmin, &lapmax);
			// 缩放拉普拉斯算子到127
			scale = 127 / std::max(-lapmin, lapmax);
		}
		// 生成灰度图像
		cv::Mat laplaceImage;
		laplace.convertTo(laplaceImage, CV_8U, scale, 128);
		return laplaceImage;
	}
};


int sliderValue;//滚动条对应变量
const int Maxsilder = 20;
int Sildermark;//滚动条对应变量
cv::Mat gray;

void on_Trackbar(int pos, void* userdata)
{

	// 用CLaplacian类应用拉普拉斯算子
	CLaplacian laplacian;
	laplacian.setAperture(pos);	// 3×3的拉普拉斯算子
	cv::Mat laplaceImg3 = laplacian.getLaplacianImage(gray);
	cv::imshow("3X3拉普拉斯滤波结果", laplaceImg3);

}

void main()
{
	Mat image, result;
	image = cv::imread("n1.jpg");
	if (image.empty())
	{
		cout << "读取图像失败" << endl;
		exit(EXIT_FAILURE);
	}
	cv::imshow("原图", image);

	// 转灰度图
	cv::cvtColor(image, gray, cv::COLOR_BGR2GRAY);
	Sildermark = 1;//滚动条初始值为1
	namedWindow("3X3拉普拉斯滤波结果", 1);//创建窗口

	char TrackbarName[30];//窗口中的滑动条控件
	createTrackbar(TrackbarName, "3X3拉普拉斯滤波结果", &Sildermark, Maxsilder, on_Trackbar);
	on_Trackbar(Sildermark, 0);
	int c = waitKey(0);
	if (c == 27)
	{
		exit;
	}
	destroyAllWindows();
}