【OpenCV 完整例程】63. 图像锐化——Laplacian 算子

[youcans]

 【OpenCV 完整例程】63. 图像锐化——Laplacian 算子

欢迎关注 『OpenCV 完整例程 100 篇』 系列，持续更新中
欢迎关注 『Python小白的OpenCV学习课』 系列，持续更新中

Laplace 是导数算子，会突出图像中的急剧灰度变化，抑制灰度缓慢变化区域，往往会产生暗色背景下的灰色边缘和不连续图像。将拉普拉斯图像与原图叠加，可以得到保留锐化效果的图像。

拉普拉斯卷积核很容易通过卷积操作 cv. filter_2d 实现，OpenCV 也提供了拉普拉斯算子 cv.Laplacian 来实现。

例程 1.78：图像锐化：Laplacian 算子

    # 1.78：图像锐化：拉普拉斯算子 (Laplacian)
    img = cv2.imread("../images/Fig0338a.tif", flags=0)  # NASA 月球影像图

    # 使用函数 filter2D 实现 Laplace 卷积算子
    kernLaplace = np.array([[0, 1, 0], [1, -4, 1], [0, 1, 0]])  # Laplacian kernel
    imgLaplace1 = cv2.filter2D(img, -1, kernLaplace, borderType=cv2.BORDER_REFLECT)

    # 使用 cv2.Laplacian 实现 Laplace 卷积算子
    imgLaplace2 = cv2.Laplacian(img, -1, ksize=3)
    imgRecovery = cv2.add(img, imgLaplace2)  # 恢复原图像

    # 二值化边缘图再卷积
    ret, binary = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_TRIANGLE)
    imgLaplace3 = cv2.Laplacian(binary, cv2.CV_64F)
    imgLaplace3 = cv2.convertScaleAbs(imgLaplace3)

    plt.figure(figsize=(9, 6))
    plt.subplot(131), plt.axis('off'), plt.title("Original")
    plt.imshow(img, cmap='gray', vmin=0, vmax=255)
    plt.subplot(132), plt.axis('off'), plt.title("cv.Laplacian")
    plt.imshow(imgLaplace2, cmap='gray', vmin=0, vmax=255)
    plt.subplot(133), plt.axis('off'), plt.title("thresh-Laplacian")
    plt.imshow(imgLaplace3, cmap='gray', vmin=0, vmax=255)
    plt.tight_layout()
    plt.show()