但其缺点是对图像中的某些边缘产生双重响应。
这种简单的锐化方法既可以产生拉普拉斯锐化处理的效果,同时又能保留背景信息,将原始图像叠加到拉普拉斯变换的处理结果中去,可以使图像中的各灰度值得到保留,使灰度突变处的对比度得到增强,最终结果是在保留图像背景的前提下,突现出图像中小的细节信息。但其缺点是对图像中的某些边缘产生双重响应。
参考代码
OpenCV版Laplace算子
#include "cv.h"
#include "highgui.h"
using namespace cv;
int main(int argc, char* argv[])
{
Mat src = imread("test.jpg");
Mat dst;
Laplacian(src,dst,src.depth());
imwrite("laplacian.jpg",dst);
imshow("dst",dst);
waitKey();
return 0;
}
OpenCV-Python版Laplacian
#coding=utf-8
import cv2
import numpy as np
img = cv2.imread("test.jpg", 0)
gray_lap = cv2.Laplacian(img,cv2.CV_16S,ksize = 3)
dst = cv2.convertScaleAbs(gray_lap)
cv2.imshow('laplacian',dst)
cv2.waitKey(0)
cv2.destroyAllWindows()
OpenCV-Python版LaplaceOperater
import cv2
import numpy as np
kernel_size = 3
scale = 1
delta = 0
ddepth = cv2.CV_16S
img = cv2.imread('test.jpg')
img = cv2.GaussianBlur(img,(3,3),0)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
gray_lap = cv2.Laplacian(gray,ddepth,ksize = kernel_size,scale = scale,delta = delta)
dst = cv2.convertScaleAbs(gray_lap)
cv2.imshow('laplaceOperater',dst)
cv2.waitKey(0)
cv2.destroyAllWindows()
From: 差分近似图像导数算子之Laplace算子