Opencv2.4学习：：边缘检测（3）Laplace算子

边缘检测

1、Sobel

2、Laplace

3、

4、

---

Laplace

 索贝尔算子 (Sobel) 和拉普拉斯算子 (Laplace) 都是用来对图像进行边缘检测的，不同之处在于，前者是求一阶导，后者是求二阶导。Laplace(f)=∂2f∂x2+∂2f∂y2=f(x+1,y)+f(x−1,y)+f(x,y+1)+f(x,y−1)−4f(x,y)

从拉普拉斯核可以看到，计算过程大概就是将4邻域的像素求和后减去本像素值，若本像素是边界，则得到的值较大，若非边界，所得的值较小。 

---

核心函数： 

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

• src，输入图像
• dst，Laplace操作结果
• ddepth，输出图像深度，因为输入图像一般为CV_8U，为了避免数据溢出，输出图像深度应该设置为CV_16S
• ksize，filter mask的规模，我们的mask时3x3的，所以这里应该设置为3
• scale,delta,BORDER_DEFAULT，默认设置就好

---

 调用代码：

#include<opencv2/opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;
void main()
{
	Mat srcImage = imread("F:\\opencv_re_learn\\2.jpg");
	if (!srcImage.data){
		cout << "falied to read" << endl;
		system("pause");
		return;
	}
	Mat srcGray;
	cvtColor(srcImage, srcGray, CV_BGR2GRAY);
	//高斯滤波
	GaussianBlur(srcGray, srcGray, Size(3, 3),
		0, 0, BORDER_DEFAULT);
	//拉普拉斯变换
	Mat laplace_result;
	Laplacian(srcGray, laplace_result, CV_16S, 3);
	convertScaleAbs(laplace_result, laplace_result);
	imshow("src", srcImage);
	imshow("Laplace_result", laplace_result);
	waitKey(0);
}

实现效果：