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。
上面是一阶导数。以下是二阶导数
基本理论公式:
离散形式:
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 aperture:
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:
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 |
#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:
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:
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)
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。