opencv之拉普拉斯算子 Laplacian

概述

理论知识
边缘确定是由相邻像素点变化巨大原理锁定的，sobel是求取一阶导数，一阶导数越大变化率越快，在一阶导最大时也就是一阶导数曲线最高点确定边缘。在二阶微分的时候，最大变化处的值为零(一阶导数处于曲线顶峰)，即边缘是零值。通过二阶导数计算，依据此理论我们可以计算图像二阶导数，提取边缘

• 二阶导数求导忘记了
  不用担心->拉普拉斯算子（Laplance operator）
• opencv提供了相关API
  cv::Laplacian

---

使用拉普拉斯算子的一般处理流程

• 高斯模糊-去噪点Gausslur()
• 转换为灰度图像cvtColor()
• 拉普拉斯-二阶导数计算Laplancian()
• 取绝对值convertScaleAbs()
• 显示结果

---

函数API

C++API
void Laplacian(InputArray src, OutputArray dst, int ddepth, int ksize=1, double scale=1, double delta=0, int borderType=BORDER_DEFAULT )
参数说明

• src: 原图像
• dst:目的图像
• ddepth:期望的图像深度
• ksize：高斯核大小
• scale:尺度
• delta:存储之前加在结果上的最优delta值，增强图像亮度

由于 Laplacian使用了图像梯度，它内部的代码其实是调用了 Sobel 算子的。
另附一个小tips：让一幅图像减去它的Laplacian可以增强对比度

参考链接：http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/imgtrans/laplace_operator/laplace_operator.html

---

代码

#include <iostream>  
#include <fstream>
#include <opencv2/opencv.hpp>

#define Pic_Path "/home/image/Pictures/" 
#define Pic_Name "model1.jpg"

using namespace std;
int main (void)
{
    string pic = string(Pic_Path) + string(Pic_Name);
    cout << pic << endl;
	
    cv::Mat src; 
    src = cv::imread(pic.c_str());
    cv::namedWindow("原始图片",cv::WINDOW_AUTOSIZE);
    cv::imshow("原始图片",src);
    
    
    //高斯模糊
    cv::Mat dst;
    cv::GaussianBlur(src,dst,cv::Size(3,3),0,0);
    
    
    //转换为灰度图像
    cv::Mat gray_src;
    cv::cvtColor(dst,gray_src,CV_BGR2GRAY);
    cv::namedWindow("gray pic",cv::WINDOW_AUTOSIZE);
    cv::imshow("gray pic",gray_src);
    
    //拉普拉斯变换
    cv::Mat lap_dst;
    cv::Laplacian(gray_src,lap_dst,CV_16S,3,1,0);
    //图像转换为绝对值
    cv::convertScaleAbs(lap_dst,lap_dst);
    //图像显示有噪点 显示也不清晰  进行阈值处理 不知道阈值大小 这里选择的是THRESH_OTSU自动确定阈值 前面输入的阈值不起作用
    //这一步可以增强显示
    cv::threshold(lap_dst,lap_dst,0,255,cv::THRESH_BINARY | cv::THRESH_OTSU);
    cv::namedWindow("laplance pic",cv::WINDOW_AUTOSIZE);
    cv::imshow("laplance pic",lap_dst);
    
    
    cv::waitKey(0);
    cv::destroyAllWindows();
    return 0;
}