【opencv 450 Image Processing】Laplace Operator拉普拉斯算子

最新推荐文章于 2025-09-26 10:34:17 发布

原创最新推荐文章于 2025-09-26 10:34:17 发布 · 380 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #计算机视觉 #c++

opencv 专栏收录该内容

87 篇文章

订阅专栏

本文介绍如何使用OpenCV中的Laplacian函数实现拉普拉斯算子，进行图像边缘检测。通过理论讲解与代码示例相结合的方式，展示了拉普拉斯算子的工作原理及其在实际图像处理任务中的应用。

Goal

在本教程中，您将学习如何：

使用 OpenCV 函数 Laplacian() 来实现 Laplacian 算子的discrete analog离散模拟。

Theory

1. 在之前的教程中，我们学习了如何使用 Sobel 算子。这是基于这样一个事实，即在边缘区域，像素强度显示出“跳跃jump”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：

2. 而且......如果我们取二阶导数会发生什么？

您可以观察到二阶导数为零！因此，我们也可以使用这个标准来尝试检测图像中的边缘。但是，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）；这可以通过在需要的地方应用过滤来解决。

Laplacian Operator

1. 从上面的解释，我们推断二阶导数可以用来检测边缘。由于图像是“*2D*”，我们需要在两个维度上求导。在这里，拉普拉斯算子就派上用场了。

2. 拉普拉斯算子定义为：

3. 拉普拉斯算子在 OpenCV 中由函数 Laplacian() 实现。事实上，由于 Laplacian 使用图像的梯度，它在内部调用 Sobel 算子来执行其计算。

Code

这个程序都做了什么？

加载图像

通过应用高斯模糊去除噪声，然后将原始图像转换为灰度

将拉普拉斯算子应用于灰度图像并存储输出图像

在窗口中显示结果

教程代码如下所示。你也可以从这里raw.githubusercontent.com 下载

#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
using namespace cv;
int main( int argc, char** argv )
{
    // Declare the variables we are going to use
    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";
    const char* imageName = argc >=2 ? argv[1] : "lena.jpg";
    src = imread( samples::findFile( imageName ), IMREAD_COLOR ); // Load an image
    // Check if image is loaded fine
    if(src.empty()){
        printf(" Error opening image\n");
        printf(" Program Arguments: [image_name -- default lena.jpg] \n");
        return -1;
    }
    // Reduce noise by blurring with a Gaussian filter ( kernel size = 3 )
    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 );
    // converting back to CV_8U
    convertScaleAbs( dst, abs_dst );
    imshow( window_name, abs_dst );
    waitKey(0);
    return 0;
}

Explanation

Declare variables

//声明我们要使用的变量
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";

Load source image

    const char* imageName = argc >=2 ? argv[1] : "lena.jpg";
    src = imread( samples::findFile( imageName ), IMREAD_COLOR ); // Load an image
    //检查图像是否加载正常
    if(src.empty()){
        printf(" Error opening image\n");
        printf(" Program Arguments: [image_name -- default lena.jpg] \n");
        return -1;
    }

Reduce noise

// 通过使用高斯滤波器进行模糊来降低噪声（内核大小 = 3）
GaussianBlur( src, src, Size(3, 3), 0, 0, BORDER_DEFAULT );

Grayscale

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

Laplacian operator

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

参数是：

src_gray：输入图像。

dst：目标（输出）图像

ddepth：目标图像的深度。由于我们的输入是 CV_8U，我们定义 ddepth = CV_16S 以避免溢出

kernel_size：要在内部应用的 Sobel 算子的内核大小。我们在这个例子中使用 3。

scale、delta 和 BORDER_DEFAULT：我们将它们保留为默认值。

scale 计算的拉普拉斯值的可选比例因子。默认情况下，不应用缩放。有关详细信息，请参阅 getDerivKernels。

delta 在将结果存储到 dst 之前加到结果的可选 delta 值。Optional delta value that is added to the results prior to storing them in dst .

borderType 像素外推方法，参见 BorderTypes。不支持 BORDER_WRAP。

Convert output to a CV_8U image

// converting back to CV_8U
convertScaleAbs( dst, abs_dst );

Display the result

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

Results

1. 编译上面的代码后，我们可以运行它，将图像的路径作为参数。例如，用作输入：

2. 我们得到以下结果。注意树木和牛的轮廓是如何大致清晰地定义的（除了强度非常相似的区域，即牛头周围）。另外，请注意，树木后面的房屋屋顶（右侧）是臭名昭著notoriously 的标记。这是因为该区域的对比度contrast 更高。