利用OpenCV的函数Laplacian()[拉普拉斯算子]实现图像的边缘检测

昊虹AI笔记

已于 2022-05-06 19:49:10 修改

阅读量6.8k

点赞数 2

分类专栏：图像处理原理、工具、代码

于 2016-06-25 09:47:18 首次发布

本文链接：https://blog.csdn.net/wenhao_ir/article/details/51753841

版权

图像处理原理、工具、代码专栏收录该内容

288 篇文章 123 订阅

订阅专栏

图像边缘检测的概念和大概原理可以参考我的另一篇博文，链接如下：
https://blog.csdn.net/wenhao_ir/article/details/51743382

拉普拉斯算子是最简单的各向同的性二阶微分算子，具有旋转不变性。根据函数微分特性，该像素点值的二阶微分为零的点为边缘点。这样就实现了边缘检测。利用拉普拉斯算子作边缘检测前最好先对图像作一个高斯滤波（高斯滤波见博文http://blog.csdn.net/wenhao_ir/article/details/51699064），效果会好不少。

为什么效果会好不少？

边缘检测的算法主要是基于图像强度的一阶和二阶微分操作，但导数通常对噪声很敏感，所以边缘检测算法常常需要根据图像源的数据进行预处理操作，因此采用滤波器来改善与噪声有关的边缘检测性能，比如在进行边缘检测前，可以对原始数据先作高斯滤波处理。其实不仅对噪声，如果不做滤波平滑处理，原图片中不是边缘但是灰度变化频率较高的部分也容易被认为是边缘，这样导致了边缘检测性能的下降。

OpenCV提供了函数Laplacian()实现对图像的拉普拉斯算子运算。

其函数原型如下：

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

参数的意义如下：

src---待提取边缘的图像。
dst---输出图像，与输入图像src具有相同的尺寸和通道数，数据类型由第三个参数ddepth控制。
ddepth---输出图像的数据类型(深度)。
ksize---表示Laplacian核的大小。
scale---对导数计算结果进行缩放的缩放因子，默认系数为1，不进行缩放。
delta---偏移值，在计算结果中加上偏移值。
borderType---像素外推法选择标志，关于这个参数可以参考我的另一篇博文，链接如下：https://blog.csdn.net/wenhao_ir/article/details/124177989

利用函数Laplacian()实现对图像进行边缘检测的代码如下：

代码中用到的图像下载链接：https://pan.baidu.com/s/1k2wHHJPxh1u_aM6W0ILoNg?pwd=gxti

//博主微信/QQ 2487872782
//有问题可以联系博主交流
//有图像处理需求也可联系博主
//图像处理技术交流QQ群 271891601
 
//opencv版本:OpenCV3.0
//VS版本:VS2012
 
#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>    
#include <opencv2/imgproc/types_c.h>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/highgui/highgui_c.h>
 
using namespace cv;


int main()
{
        //【0】变量的定义  
        Mat src, src_gray, dst, abs_dst;
 
        //【1】载入原始图    
        src = imread("F:/material/images/P0042-building_edge_detection.jpg");
 
        //【2】显示原始图   
        imshow("原图", src);
 
        //【3】使用高斯滤波消除噪声  
        GaussianBlur(src, src, Size(3, 3), 0, 0, BORDER_DEFAULT);
 
        //【4】转换为灰度图  
        cvtColor(src, src_gray, CV_RGB2GRAY);
 
        //【5】使用Laplace函数  
        Laplacian(src_gray, dst, CV_16S, 3, 1, 0, BORDER_DEFAULT);
 
        //【6】计算绝对值，并将结果转换成8位  
        convertScaleAbs(dst, abs_dst);
 
        //【7】显示效果图  
        imshow("Laplace边缘检测", abs_dst);
 
        waitKey(0);
 
        return 0;
}

运行结果如下图所示：