图像处理-拉普拉斯算法

标签：lock图像solutionheight作用变化var计算方法分享

一、引言

图像锐化处理的作用是使灰度反差增强，从而使模糊图像变得更加清晰。图像模糊的实质就是图像受到平均运算或积分运算，因此可以对图像进行逆运算，如微分运算能够突出图像细节，使图像变得更为清晰。由于拉普拉斯是一种微分算子，它的应用可增强图像中灰度突变的区域，减弱灰度的缓慢变化区域。

二、卷积算法2.1卷积原理

因此，锐化处理可选择拉普拉斯算子对原图像进行处理，产生描述灰度突变的图像，再将拉普拉斯图像与原始图像叠加而产生锐化图像。此原理实际为卷积操作，也可以理解为一种图像变换，最常见的图像变换（image transform，即将一幅图像转变成图像数据）就是傅里叶变换（Fourier transform）,即将图像转换成源图像数据的另一种表示，而卷积是大多数变换的基础。

我们可以用方程来表示这个过程。我们首先定义图像为I(x,y)，核为G(x,y)，

参考点位于相应核的（ai，aj）坐标上，则卷积H(x,y)定义如下：

边缘部分使用复制处理，计算方法如下图所示：

2 .2 opencv卷积函数说明void cvFilter2D( const CvArr* src, CvArr* dst, const CvMat* kernel, CvPoint chor=cvPoint(-1,-1));
src：输入图像
dst：输出图像
kernel：卷积核, 单通道浮点矩阵. 如果想要应用不同的核于不同的通道，先用 cvSplit 函数分解图像到单个色彩通道上，然后单独处理。
anchor：核的锚点表示一个被滤波的点在核内的位置。 锚点应该处于核内部。缺省值 (-1,-1) 表示锚点在核中心。

其实在利用此卷积函数是，根据核的不同可以产生各种的图像处理，比如：