OpenCV官方文档学习记录（15）

laplace边缘检测方式

不同于sobel的一阶导数式边缘检测，laplace算子是将图像的横纵都考虑进来的一种检测，主要使用的是二阶偏导数进行离散变换：

因为laplace也是使用分析梯度的方式进行变换，所以实际上调用的是sobel的方法。在上一篇上有体现，就是在两个方向上分别使用sobel计算结果。

代码如下：

 1 #include <opencv2\opencv.hpp>
 2 #include <iostream>
 3 #include <string>
 4
 5 #pragma comment( linker, "/subsystem:\"windows\" /entry:\"mainCRTStartup\"" )
 6
 7 using namespace std;
 8 using namespace cv;
 9
10 void Show(const std::string &name, const Mat &img)
11 {
12     namedWindow(name, CV_WINDOW_AUTOSIZE);
13     imshow(name, img);
14 }
15
16 int main(void)
17 {
18     Mat src = imread("lena.jpg");
19     if (src.empty())
20         return -1;
21     Mat src_gray, dst;
22     int kernel_size = 3;
23     int scale = 1;
24     int delta = 0;
25     int ddepth = CV_16S;
26     string win_name = "laplace demo";
27     GaussianBlur(src, src, Size(3, 3), 0, 0, BORDER_DEFAULT);
28     cvtColor(src, src_gray, CV_RGB2GRAY);
29     Show("Src", src);
30     Mat abs_dst;
31     Laplacian(src_gray, dst, ddepth, kernel_size, scale, delta, BORDER_DEFAULT);
32     convertScaleAbs(dst, abs_dst);
33     Show(win_name, abs_dst);
34     waitKey();
35     return 0;
36 }

结果是：

摘一张sobel叠加处理后的结果：

虽然显然是soble处理叠加后的效果更好，但是比较起来还是laplace处理比较方便，能够减少代码。

实现过程与上一个的sobel的操作相类似：

1.将图像进行高斯模糊进行去噪；

2.将处理后的图像载入并转化为灰度图像；

3.进行laplace变换：参数分别是对应输入和输出，输出图像的色彩深度（就是矩阵的元素什么形式保存的），kernel的尺寸，其余都是现在我们未知的默认值；

4，将输出图像转化为与原输入深度一样的图像存储方式；

5.输出转化后的结果；

以上。