【从零学习OpenCV 4】Laplacian算子

转载

小白学视觉 2021-07-19 10:47:40

上述的边缘检测算子都具有方向性，因此需要分别求取X方向的边缘和Y方向的边缘，之后将两个方向的边缘综合得到图像的整体边缘。Laplacian算子具有各方向同性的特点，能够对任意方向的边缘进行提取，具有无方向性的优点，因此使用Laplacian算子提取边缘不需要分别检测X方向的边缘和Y方向的边缘，只需要一次边缘检测即可。Laplacian算子是一种二阶导数算子，对噪声比较敏感，因此常需要配合高斯滤波一起使用。

Laplacian算子的定义如式(5.20)所示。

【从零学习OpenCV 4】Laplacian算子_Laplacian算子

OpenCV 4提供了通过Laplacian算子提取图像边缘的Laplacian()函数，该函数的函数原型在代码清单5-30中给出。

代码清单5-30 Laplacian()函数原型
1.	void cv::Laplacian(InputArray  src,
2.	                       OutputArray  dst,
3.	                       int  ddepth,
4.	                       int  ksize = 1,
5.	                       double  scale = 1,
6.	                       double  delta = 0,
7.	                       int  borderType = BORDER_DEFAULT
8.	                       )

src：输入原图像，可以是灰度图像或彩色图像。
dst：输出图像，与输入图像src具有相同的尺寸和通道数
ddepth：输出图像的数据类型（深度），根据输入图像的数据类型不同拥有不同的取值范围，具体的取值范围在表5-1给出，当赋值为-1时，输出图像的数据类型自动选择。
ksize：滤波器的大小，必须为正奇数。
scale：对导数计算结果进行缩放的缩放因子，默认系数为1，表示不进行缩放。
delta：偏值，在计算结果中加上偏值。
borderType：像素外推法选择标志，取值范围在表3-5中给出，默认参数为BORDER_DEFAULT，表示不包含边界值倒序填充。

该函数利用Laplacian算子提取图像中的边缘信息，与Soble()函数相同，函数的前两个参数分别为输入图像和输出图像，第三个参数为输出图像的数据类型，这里需要注意由于提取边缘信息时有可能会出现负数，因此不要使用CV_8U数据类型的输出图像，否则会使得图像边缘提取不准确。函数第四个参数是滤波器尺寸的大小，必须是正奇数，当该参数的值大于1时，该函数通过Sobel算子计算出图像X方向和Y方向的二阶导数，将两个方向的导数求和得到Laplacian算子，其计算公式如式(5.21)所示。

【从零学习OpenCV 4】Laplacian算子_Laplacian算子_02

当第四个参数等于1时， Laplacian算子如式(5.22)所示。

函数最后两个参数为图像缩放因子和图像外推填充方法的标志，多数情况下并不需要设置，只需要采用默认参数即可。

为了更好的理解Laplacian ()函数的使用方法，在代码清单5-31中给出了利用Laplacian ()函数检测图像边缘的示例程序。由于Laplacian算子对图像中的噪声较为敏感，因此程序中使用Laplacian算子分别对高斯滤波后的图像和未高斯滤波的图像进行边缘检测，检测结果在图5-34中给出。通过结果可以发现，图像去除噪声后通过Laplacian算子提取边缘变得更加准确。

代码清单5-31 myLaplacian.cpp利用Laplacian算子检测图像边缘
1.	#include <opencv2\opencv.hpp>
2.	#include <iostream>
3.	

4.	using namespace cv;
5.	using namespace std;
6.	

7.	int main()
8.	{
9.		//读取图像，黑白图像边缘检测结果较为明显
10.		Mat img = imread("equalLena.png", IMREAD_ANYDEPTH);
11.		if (img.empty())
12.		{
13.			cout << "请确认图像文件名称是否正确" << endl;
14.			return -1;
15.		}
16.		Mat result, result_g, result_G;
17.	

18.		//未滤波提取边缘
19.		Laplacian(img, result, CV_16S, 3, 1, 0);
20.		convertScaleAbs(result, result);
21.	

22.		//滤波后提取Laplacian边缘
23.		GaussianBlur(img, result_g, Size(3, 3), 5, 0);  //高斯滤波
24.		Laplacian(result_g, result_G, CV_16S, 3, 1, 0);
25.		convertScaleAbs(result_G, result_G);
26.	

27.		//显示图像
28.		imshow("result", result);
29.		imshow("result_G", result_G);
30.		waitKey(0);
31.		return 0;
32.	}