opencv学习笔记-7，laplance边缘检测_cv::laplacian src跟dst使用同一个变量-优快云博客

本文链接：https://blog.youkuaiyun.com/xiaotingting_/article/details/78044085

本文是关于OpenCV中使用拉普拉斯算子进行边缘检测的学习笔记。通过高斯模糊去除噪声，将图像转换为灰度，然后应用拉普拉斯算子计算二阶导数，再取绝对值，最后展示边缘检测结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、laplance算子

在二阶导数的时候，最大变化处的值为零即边缘是零值。通过二阶导数计算，依据此理论我们可以计算图像二阶导数，提取边缘。

这里写图片描述
Laplacian函数定义如下：

void cv::Laplacian  (   InputArray      src,
        OutputArray     dst,
        int     ddepth,
        int     ksize = 1,
        double      scale = 1,
        double      delta = 0,
        int     borderType = BORDER_DEFAULT 
    )

二、

1、高斯模糊——去噪声GaussianBlur()

2、转换为灰度图像cvtColor()

3、拉普拉斯——二阶导数计算Laplacian()

4、取绝对值convertScaleAbs()

5、显示结果

#include<opencv2/opencv.hpp>
#include<highgui.h>
#include<iostream>

using namespace cv;
using namespace std;

Mat src,dst,gray,x_gray,y_gray,edge_image;
int main(int argc,char**argv)
{
src=imread("1.jpg");
namedWindow("my picture",CV_WINDOW_AUTOSIZE);
imshow("my picture",src);
waitKey(100);

GaussianBlur(src,dst,Size(3,3),0,0,BORDER_DEFAULT); //高斯降噪，平滑
cvtColor(dst,gray,COLOR_BGR2GRAY); //转为灰度图
namedWindow("gray image",CV_WINDOW_AUTOSIZE);
imshow("gray image",gray);
waitKey(100);

Laplacian(gray,edge_image,CV_32F,3,1,0);
convertScaleAbs(edge_image,edge_image);
//threshold(edge_image,edge_image,0,255,THRESH_OTSU);
namedWindow("lap_image",CV_WINDOW_AUTOSIZE);
imshow("lap_image",edge_image);

waitKey(0);
return(0);
}