目标

在本教程中，您将学习如何：

• 使用OpenCV函数cv :: Laplacian来实现Laplace运算符的离散模拟。
  

理论

• 在上一个教程中，我们学习了如何使用Sobel操作符。这是基于以下事实：在边缘区域中，像素强度显示“跳跃”或强度的高变化。得到强度的一阶导数，我们观察到边缘的特征是最大值，如图所示：
  

• 和...如果我们采取二阶导数会发生什么？
  

您可以观察到二阶导数为零！因此，我们也可以使用此标准来尝试检测图像中的边缘。然而，请注意，零不仅会出现在边缘（它们实际上可以出现在其他无意义的位置）; 这可以通过在需要时应用过滤来解决。

Laplace Operator

• 从上面的解释，我们推导出二阶导数可以用来检测边缘。由于图像是“* 2D *”，所以我们需要在两个维度上使用导数。在这里，Laplace Operator很方便。
  
• Laplace Operator被定义为：

• 拉普拉斯运算符通过函数cv :: Laplacian在OpenCV中实现。事实上，由于拉普拉斯算子使用图像的梯度，所以它在内部调用Sobel算子来执行其计算。
  

Code

• 这个程序是做什么的？

1. 加载图像
2. 通过应用高斯模糊来消除噪点，然后将原始图像转换为灰度
3. 将Laplace Operator应用于灰度图像并存储输出图像
   
4. 在窗口中显示结果

• 教程代码如下所示。您也可以从这里下载
  

#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
using namespace cv;
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;
  const char* window_name = "Laplace Demo";
  String imageName("../data/lena.jpg"); // by default
  if (argc > 1)
  {
    imageName = argv[1];
  }
  src = imread( imageName, IMREAD_COLOR ); // Load an image
  if( src.empty() )
    { return -1; }
  GaussianBlur( src, src, Size(3,3), 0, 0, BORDER_DEFAULT );
  cvtColor( src, src_gray, COLOR_BGR2GRAY ); // Convert the image to grayscale
  Mat abs_dst;
  Laplacian( src_gray, dst, ddepth, kernel_size, scale, delta, BORDER_DEFAULT );
  convertScaleAbs( dst, abs_dst );
  imshow( window_name, abs_dst );
  waitKey(0);
  return 0;
}

说明

• 创建一些必需的变量：
  

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

• 加载源图像：
  

  String imageName("../data/lena.jpg"); // by default
  if (argc > 1)
  {
    imageName = argv[1];
  }
  src = imread( imageName, IMREAD_COLOR ); // Load an image
  if( src.empty() )
    { return -1; }

• 应用高斯模糊来减少噪音：
  

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

• 使用cv :: cvtColor将图像转换为灰度
  

  cvtColor( src, src_gray, COLOR_BGR2GRAY ); // Convert the image to grayscale

• 将Laplace Operator应用到灰度图像中：
  

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

其中的论点是：

1. src_gray：输入图像。
2. dst：目的地（输出）图像
3. ddepth：目的地图像的深度。由于我们的输入是CV_8U，我们定义ddepth = CV_16S以避免溢出
4. kernel_size：内部应用的Sobel运算符的内核大小。我们在这个例子中使用3。
5. 缩放，增量和BORDER_DEFAULT：我们将它们保留为默认值。

• 将Laplace Operator的输出转换为CV_8U图像：
  

  convertScaleAbs（dst，abs_dst）;

• 在窗口中显示结果：
  

  imshow（window_name，abs_dst）;
  waitKey（0）;

结果

• 在编译上面的代码之后，我们可以运行它作为参数作为图像的路径。例如，使用作为输入：
  

• 我们得到以下结果。请注意，如何将树木和牛仔的轮廓定义得很好（除了强度非常相似的区域，即在牛头顶部）。另外，请注意，树木后面的屋顶（右侧）是臭名昭着的。这是因为该地区的对比度较高。