opencv变换:Laplacian 算子目标在本文中，将学习如何：使用 OpenCV 函数Laplacian()来

1. 目标

在本文中，将学习如何：

使用 OpenCV 函数Laplacian()来实现Laplacian operator的离散模拟。

2. 理论

在之前的文章中，我们学习了如何使用Sobel Operator。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”或强度的大的变化。得到强度的一阶导数，观察到边缘的特征是最大值，如图所示：
但... 如果使用二阶导数会发生什么？

可以观察到二阶导数为零！因此，也可以使用这个标准来检测图像中的边缘。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算子

从上面的解释，二阶导数可以用来检测边缘。由于图像是“2D”，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。
Laplacian算子定义为：

Laplace(f)= \frac{\partial^2f}{\partial x^2} +\frac{\partial^2f}{\partial y^2}

可以解释为梯度的散度

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 算子来执行计算。

3. 代码

这个程序有什么作用？
- 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。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 )
{
    // 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;
}

4. 代码解释

声明变量

 // 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";

加载源图像

 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;
    }

平滑噪音

 // Reduce noise by blurring with a Gaussian filter ( kernel size = 3 )
    GaussianBlur( src, src, Size(3, 3), 0, 0, BORDER_DEFAULT );

灰度

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

拉普拉斯算子

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。

将输出转换为CV_8U图像

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

显示结果

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

5. 结果

编译上面的代码，运行，将图像的路径作为参数。例如，用作输入：
得到以下结果。注意树木和奶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，即奶牛头部周围）。另外，请注意，树木后面的房屋屋顶（右侧）是显著的标记。这是因为该区域的对比度更高。