• OpenCV函數?Laplacian?實現?Laplacian 算子?的離散模擬。

原理

前一節我們學習了?Sobel 算子?，其基礎來自于一個事實，即在邊緣部分，像素值出現”跳躍“或者較大的變化。如果在此邊緣部分求取一階導數，你會看到極值的出現。正如下圖所示：

如果在邊緣部分求二階導數會出現什么情況?

你會發現在一階導數的極值位置，二階導數為0。所以我們也可以用這個特點來作為檢測圖像邊緣的方法。 但是， 二階導數的0值不僅僅出現在邊緣(它們也可能出現在無意義的位置),但是我們可以過濾掉這些點。

Laplacian 算子

從以上分析中，我們推論二階導數可以用來?檢測邊緣?。 因為圖像是 “2維”, 我們需要在兩個方向求導。使用Laplacian算子將會使求導過程變得簡單。

Laplacian 算子?的定義:

OpenCV函數?Laplacian?實現了Laplacian算子。 實際上，由于 Laplacian使用了圖像梯度，它內部調用了?Sobel?算子。

源碼

本程序做什么?

• 裝載圖像
• 使用高斯平滑消除噪聲， 將圖像轉換到灰度空間。
• 使用Laplacian算子作用于灰度圖像，并保存輸出圖像。
• 輸出結果。

下面是本教程的源碼，你也可以從?這里?下載。

#include "opencv2/imgproc/imgproc.hpp" #include "opencv2/highgui/highgui.hpp" #include <stdlib.h> #include <stdio.h>using namespace cv;/** @函數 main */ int main( int argc, char** argv ) {Mat src, src_gray, dst;int kernel_size = 3;int scale = 1;int delta = 0;int ddepth = CV_16S;char* window_name = "Laplace Demo";int c;/// 裝載圖像src = imread( argv[1] );if( !src.data ){ return -1; }/// 使用高斯濾波消除噪聲GaussianBlur( src, src, Size(3,3), 0, 0, BORDER_DEFAULT );/// 轉換為灰度圖cvtColor( src, src_gray, CV_RGB2GRAY );/// 創建顯示窗口namedWindow( window_name, CV_WINDOW_AUTOSIZE );/// 使用Laplace函數Mat abs_dst;Laplacian( src_gray, dst, ddepth, kernel_size, scale, delta, BORDER_DEFAULT );convertScaleAbs( dst, abs_dst );/// 顯示結果imshow( window_name, abs_dst );waitKey(0);return 0;}

解釋

首先申明變量:

Mat src, src_gray, dst; int kernel_size = 3; int scale = 1; int delta = 0; int ddepth = CV_16S; char* window_name = "Laplace Demo";

裝載原圖像:

src = imread( argv[1] );if( !src.data ){ return -1; }

高斯平滑降噪:

GaussianBlur( src, src, Size(3,3), 0, 0, BORDER_DEFAULT );

使用?cvtColor?轉換為灰度圖

cvtColor( src, src_gray, CV_RGB2GRAY );

#.對灰度圖使用Laplacian算子:

Laplacian( src_gray, dst, ddepth, kernel_size, scale, delta, BORDER_DEFAULT );

函數接受了以下參數:

• src_gray: 輸入圖像。
• dst: 輸出圖像
• ddepth: 輸出圖像的深度。 因為輸入圖像的深度是?CV_8U?，這里我們必須定義?ddepth?=?CV_16S?以避免外溢。
• kernel_size: 內部調用的 Sobel算子的內核大小，此例中設置為3。
• scale,?delta?和?BORDER_DEFAULT: 使用默認值。

將輸出圖像的深度轉化為?CV_8U?:

convertScaleAbs( dst, abs_dst );

顯示結果:

imshow( window_name, abs_dst );

結果

#.在編譯上面的代碼之后, 我們可以運行結果，將圖片路徑輸入，如下圖:

我們得到下圖所示的結果。 注意觀察樹木和牛的輪廓基本上很好的反映出來(除了像素值比較接近的地方， 比如奶牛的頭部)。 此外，注意樹木(右方)后面的房子屋頂被明顯的加強顯示出來，這是由于局部對比度比較強的原因。

總結

以上是生活随笔為你收集整理的OpenCV函数 Laplacian 算子实现的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。