OpenCV-26 拉普拉斯算子

一道秘制的小菜

于 2024-01-25 04:19:19 发布

阅读量709

点赞数 12

CC 4.0 BY-SA版权

分类专栏： OpenCV 文章标签： opencv 人工智能计算机视觉均值算法 python

本文链接：https://blog.youkuaiyun.com/weixin_47702917/article/details/135834858

OpenCV 专栏收录该内容

43 篇文章

订阅专栏

本文介绍了拉普拉斯算子的概念，基于一阶和二阶导数的特性用于边缘检测，强调了其对噪声敏感的特点。并通过Python和OpenCV库的Laplacian函数展示了在实际图像处理中的应用，包括去噪和结果展示。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、拉普拉斯算子概念及其推导

索贝尔算子是模拟一阶导数，一阶导数越大的地方说明变化越剧烈，越有可能是边缘。

但是如果我们对f（t）求二阶导数呢？

可以发现边缘处的二阶导数 = 0，因此，我们可以利用这一特性去寻找图像的边缘，但是，需要注意：二阶导数为0的位置也可能是无意义的位置。（一般为噪声）

以拉普拉斯算子推导过程

这样就得到了拉普拉斯算子的卷积核，即卷积模板。

二、拉普拉斯算子在Python中的使用

使用API---Laplacian(src,ddepth[,dst[,ksize[,scale[,delta[,boredType]]]])

1) 可以同时求两个方向的边缘.

2) 对噪声敏感，一般需要先进行去噪再调用拉普拉斯.

示例代码如下：

import cv2
import numpy as np

img = cv2.imread("chess.png")
dst = cv2.Laplacian(img, -1, ksize=3)

cv2.imshow("img", np.hstack((img, dst)))

cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下：