OpenCV-26 拉普拉斯算子

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:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

一道秘制的小菜

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值