首页 > 代码库 > OpenCV2马拉松第15圈——边缘检測(Laplace算子,LOG算子)

OpenCV2马拉松第15圈——边缘检測(Laplace算子,LOG算子)

收入囊中

  • 拉普拉斯算子
  • LOG算子(高斯拉普拉斯算子)
  • OpenCV Laplacian函数
  • 构建自己的拉普拉斯算子
  • 利用拉普拉斯算子进行图像的锐化


葵花宝典
在OpenCV2马拉松第14圈——边缘检測(Sobel,prewitt,roberts)  我们已经认识了3个一阶差分算子
拉普拉斯算子是二阶差分算子。为什么要增加二阶的算子呢?试想一下,假设图像中有噪声,噪声在一阶导数处也会取得极大值从而被当作边缘。然而求解这个极大值也不方便。採用二阶导数后,极大值点就为0了。因此值为0的地方就是边界。

有图有真相。
技术分享上面是一阶导数。以下是二阶导数

基本理论公式:                                  技术分享

离散形式:
技术分享  

技术分享   
图5-9  拉普拉斯的4种模板


拉普拉斯算子会放大噪声,因此我们採用了LOG算子,就是高斯拉普拉斯算子,先对图像进行高斯模糊。抑制噪声,再求二阶导数。二阶导数为0的地方就是图像的边界。
关于LOG算子模版,在OpenCV2马拉松第20圈——blob特征检測原理与实现有具体实现


初识API
API不用解释了。和Sobel全然一样!

C++: void Laplacian(InputArray src, OutputArray dst, int ddepth, int ksize=1, double scale=1, double delta=0, int borderType=BORDER_DEFAULT)
 
  • src – Source image.
  • dst – Destination image of the same size and the same number of channels as src .
  • ddepth – Desired depth of the destination image.
  • ksize – Aperture size used to compute the second-derivative filters. See getDerivKernels() for details. The size must be positive and odd.
  • scale – Optional scale factor for the computed Laplacian values. By default, no scaling is applied. See getDerivKernels() for details.
  • delta – Optional delta value that is added to the results prior to storing them in dst .
  • borderType – Pixel extrapolation method. See borderInterpolate() for details.

This is done when ksize > 1 . When ksize == 1 , the Laplacian is computed by filtering the image with the following 技术分享 aperture:

技术分享



荷枪实弹
我们先调用API来实现
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"

using namespace cv;

int main( int, char** argv )
{

  Mat src, src_gray;
  int kernel_size = 3;
  const char* window_name = "Laplace Demo";

  src = http://www.mamicode.com/imread( argv[1] );>
效果图:
技术分享

以下,我们用之前讲过的自己定义滤波实现,採用
1 1 1
1 -8 1
1 1 1
这样的形式的算子,代码例如以下

#include "opencv2/highgui/highgui.hpp"  
#include "opencv2/imgproc/imgproc.hpp"  
using namespace cv;   

int main( int, char** argv )  
{  
	Mat src,gray,Kernel;
	 
    src = http://www.mamicode.com/imread( argv[1] );"dstImage", 1);  

    Kernel = (Mat_<double>(3,3) << 1, 1, 1, 1, -8, 1, 1, 1, 1);
    Mat grad,abs_grad;
    filter2D(gray, grad, CV_16S , Kernel, Point(-1,-1));  
    convertScaleAbs( grad, abs_grad );
    
    imshow("dstImage", abs_grad);  
    waitKey();  
    return 0;  
} 
效果图就不发了,跟上面差点儿相同


举一反三
拉普拉斯算子有没有跟多的应用,当然有。比方图像锐化。
因为拉普拉斯是一种微分算子,它可增强图像中灰度突变的区域,减弱灰度的缓慢变化区域。因此,锐化处理可选择拉普拉斯算子对原图像进行处理。产生描写叙述灰度突变的图像。再将拉普拉斯图像与原始图像叠加而产生锐化图像。

拉普拉斯锐化的基本方法能够由下式表示:

技术分享


锐化代码
#include "opencv2/highgui/highgui.hpp"  
#include "opencv2/imgproc/imgproc.hpp"  
using namespace cv;   

int main( int, char** argv )  
{  
    Mat src,gray;
	 
    src = http://www.mamicode.com/imread( argv[1] );"srcImage", 1); 
    namedWindow("dstImage", 1);  

    Mat grad,abs_grad;
    Laplacian( gray, grad, CV_16S, 3);
    convertScaleAbs( grad, abs_grad );
    Mat sharpped = gray + abs_grad;

    imshow("srcImage", gray);
    imshow("dstImage", sharpped);  
    waitKey();  
    return 0;  
} 

效果图:

技术分享

有放大噪声(非常难避免)



计算机视觉讨论群162501053
转载请注明:http://blog.csdn.net/abcd1992719g


OpenCV2马拉松第15圈——边缘检測(Laplace算子,LOG算子)