Java DIP - 拉普拉斯算子

拉普拉斯算子也是一种导数算子，用于查找图像中的边缘。拉普拉斯算子与 Prewitt、Sobel、Robinson 和 Kirsch 等其他算子的主要区别在于，这些算子都是一阶导数掩模，但拉普拉斯算子是二阶导数掩模。

我们使用OpenCV函数filter2D将拉普拉斯算子应用于图像。它可以在Imgproc包下找到。其语法如下 -

filter2D(src, dst, depth , kernel, anchor, delta, BORDER_DEFAULT );

函数参数描述如下 -

先生。 论点
1

源代码

这是源图像。
2

目的地

这是目的地图像。
3

深度

它是 dst 的深度。负值（例如-1）表示深度与源相同。
4

核心

就是通过图像来扫描的内核。
5

锚

它是锚点相对于其内核的位置。位置点（-1，-1）默认表示中心。
6

三角洲

它是在卷积过程中添加到每个像素的值。默认为 0。
7

BORDER_DEFAULT

我们默认这个值。

除了filter2D()方法之外，Imgproc类还提供了其他方法。它们被简要描述 -

先生。 方法及说明
1

cvtColor（Mat src，Mat dst，int代码，int dstCn）

它将图像从一种颜色空间转换为另一种颜色空间。
2

膨胀（Mat src，Mat dst，Mat 内核）

它通过使用特定的结构元素来扩大图像。
3

equalizeHist(Mat src, Mat dst)

它均衡灰度图像的直方图。
4

filter2D（Mat src，Mat dst，int深度，Mat内核，点锚点，双增量）

它将图像与内核进行卷积。
5

GaussianBlur(Mat src, Mat dst, 大小 ksize, 双 sigmaX)

它使用高斯滤波器模糊图像。
6

积分(Mat src, Mat sum)

它计算图像的积分。

例子

以下示例演示了如何使用 Imgproc 类将拉普拉斯算子应用于灰度图像。

import org.opencv.core.Core;
import org.opencv.core.CvType;
import org.opencv.core.Mat;

import org.opencv.highgui.Highgui;
import org.opencv.imgproc.Imgproc;

public class convolution {
   public static void main( String[] args ) {
   
      try {
         int kernelSize = 9;
         System.loadLibrary( Core.NATIVE_LIBRARY_NAME );
         
         Mat source = Highgui.imread("grayscale.jpg",  Highgui.CV_LOAD_IMAGE_GRAYSCALE);
         Mat destination = new Mat(source.rows(),source.cols(),source.type());

         Mat kernel = new Mat(kernelSize,kernelSize, CvType.CV_32F) {
            {
               put(0,0,0);
               put(0,1,-1)
               put(0,2,0);

               put(1,0-1);
               put(1,1,4);
               put(1,2,-1);

               put(2,0,0);
               put(2,1,-1);
               put(2,2,0);
            }
         };	      
         
         Imgproc.filter2D(source, destination, -1, kernel);
         Highgui.imwrite("output.jpg", destination);
         
      } catch (Exception e) {
         System.out.println("Error: " + e.getMessage());
      }
   }
}

输出

当您执行给定的代码时，会看到以下输出 -

原始图像

应用拉普拉斯算子 教程

该原始图像与拉普拉斯负算子卷积，如下所示 -

拉普拉斯负数

0 -1 0
-1 4 -1
0 -1 0

卷积图像（拉普拉斯负片）

应用拉普拉斯算子 教程

该原始图像与拉普拉斯正算子卷积，如下所示 -

拉普拉斯正数

0 1 0
1 -4 1
0 1 0

卷积图像（拉普拉斯正）

应用拉普拉斯算子 教程