Opencv图像识别从零到精通（20）---laplace LOG DOG边缘检测

来源：互联网发布：日本动画制作软件编辑：程序博客网时间：2024/06/06 01:59

经过了上一篇的简单的边缘检测，现在来看一下二阶导数的边缘检测，分别是Laplace LOG DOG,看到他们心里还是有点遗憾，要是自己能加快一点学习的步伐，在面试的时候也许就可以轻松回答了，亲爱的你们只是来的晚了2天。希望和我一样的同学，要加快脚步，认真学习了。废话不再多说，让我看看是怎么回事。

一、Laplacian

Laplacian算子定义为

表示成模板的形式就是。Laplacian算子另外一种形式是，也经常使用。Laplace算子是一种各向同性算子，在只关心边缘的位置而不考虑其周围的象素灰度差值时比较合适。Laplace算子对孤立象素的响应要比对边缘或线的响应要更强烈，因此只适用于无噪声图象。存在噪声情况下，使用Laplacian算子检测边缘之前需要先进行低通滤波。

二、LOG

看到这里，可能觉得按照习惯上面我少了Laplace的代码，这是因为Laplace算子对噪声很敏感，所有要进行高斯滤波然后再laplace，过度到LOG，似乎也很舒服。

对于高斯先要有个基础

这里我用图片画出来，一个是好理解，还有就是和下面的DOG进行比较

<span style="font-size:18px;">#include <opencv2/core/core.hpp>#include <opencv2/highgui/highgui.hpp>#include "opencv2/imgproc/imgproc.hpp"#include <iostream>int main(){  cv::Mat srcImage=      cv::imread("lena.jpg", 0);  if (!srcImage.data)          return -1; // 高斯平滑  //加上高斯平滑效果边缘检测效果更好,原因未知  GaussianBlur(srcImage, srcImage, cv::Size(3,3),     0, 0, cv::BORDER_DEFAULT);  cv::Mat dstImage;  // 拉普拉斯变换  Laplacian(srcImage, dstImage, CV_16S, 3);  convertScaleAbs( dstImage, dstImage);      cv::imshow("srcImage", srcImage);  cv::imshow("dstImage", dstImage);  cv::waitKey(0);  return 0;  }</span>

三、DOG

高斯差分算子，看着名字就能知道是2个高斯差，因为LOG滤波器有无限长的拖尾，若取得很大尺寸，将使得计算不堪重负。但随着:的增加，LOG滤波器幅值迅速下降，当r大于一定程度时，可以忽略模板的作用，这就为节省计算量创造了条件。实际计算时，常常取n*n大小的LOG滤波器，近似n=3σ。另外，LOG滤波器可以近似为两个指数函数之差，即DOG ( Difference Of twoGaussians functions)。

图像画出来就是

<span style="font-size:18px;">GaussianBlur(img,img_G0,Size(3,3),0);  GaussianBlur(img_G0,img_G1,Size(3,3),0);  Mat img_DoG = img_G0 - img_G1;  normalize(img_DoG,img_DoG,255,0,CV_MINMAX);  </span>

四、matlab辅助

<span style="font-size:18px;">I=imread("lena.jpg");</span>

<span style="font-size:18px;">I=rgb2gray(I)I1=edge(I,'log');figure,imshow(I1)</span>

图像识别算法交流 QQ群：145076161，欢迎图像识别与图像算法，共同学习与交流

1 0