`
luoweifu
  • 浏览: 63357 次
  • 性别: Icon_minigender_1
  • 来自: 北京
文章分类
社区版块
存档分类
最新评论

图像的二阶微分算子

 
阅读更多

Laplacian微分算子

定义

最单间的各项同性微分算子是拉普拉斯算子,一个二维图像f(x,y)的拉普拉斯微分算子的定义如下:



将(2)(3)式代入(1)式得

写成权系数矩阵模板为


效果如下:


算法源代码(java)

/**
	 * 二阶微分算子  laplacian算子方法
	* @param srcPath 图片的存储位置
	 * @param distPath 图像要保存的存储位置
	 * @param formatName 图像要保存的存储位置
	 */
	public static void laplacian0(String srcPath, String distPath, String formatName) {
		BufferedImage img = readImg(srcPath);		
		int w = img.getWidth();
		int h = img.getHeight();
		int pix[] = new int[w*h];
		        pix= img.getRGB(0, 0, w, h, pix, 0, w);
		pix = laplacian0(pix, w, h);
		img.setRGB(0, 0, w, h, pix, 0, w);
		writeImg(img, formatName, distPath);
	}
	/**
	 * 二阶微分算子  laplacian算子方法
	 * @param pix 像素矩阵数组
	 * @param w 矩阵的宽
	 * @param h 矩阵的高
	 * @return 处理后的数组
	 */	 
	public static int[] laplacian0(int[] pix, int w, int h) {
		int[] newpix = new int[w*h];
		ColorModel cm = ColorModel.getRGBdefault();
		int r;
		for(int y=0; y<h; y++) {
			for(int x=0; x<w; x++) {
				if(x!=0 && x!=w-1 && y!=0 && y!=h-1) {
					//G = 4f(x,y) - f(x-1,y) - f(x+1,y) - f(x,y-1) - f(x,y+1)
					r = 4*cm.getRed(pix[x+(y)*w]) - cm.getRed(pix[x-1+(y)*w]) - cm.getRed(pix[x+1+(y)*w])
					- cm.getRed(pix[x+(y-1)*w]) - cm.getRed(pix[x+(y+1)*w]);					
					newpix[x+y*w] = 255<<24 | r<<16 | r<<8 | r;
				}
			}
		}
		int temp = findMinInt(newpix);
		for(int i=0; i<newpix.length; i++) {
			newpix[i] = newpix[i] + temp;
		}
		return newpix;
		
	}


还有几种laplacian算子的变形,如下

对应的效果如下:


L1 L2 L3

从以上几个效果可以看出,L1与L0算子的效果基本相同,肉眼很难分辨;L2获得的细节信息较弱;L3处理的结果是图像的纹里比原图更清晰。

分享到:
评论

相关推荐

    CV笔记6:图像边缘检测之一阶微分算子、二阶微分算子、Canny边缘检测(基于python-opencv实现)_卷积之图像边缘检测 一阶微分-CSDN博客.webarchive

    CV笔记6:图像边缘检测之一阶微分算子、二阶微分算子、Canny边缘检测(基于python-opencv实现)_卷积之图像边缘检测 一阶微分-CSDN博客.webarchive

    数字图像处理|Matlab-图像分割与边缘检测实验-使用一阶和二阶检测算子(导数)进行图像的边缘检测

    问题1:编写程序实现一阶Sobel算子,进行图像的边缘提取; 问题2:编写程序实现一阶Prewitt算子,进行图像的边缘提取; 问题3:编写程序实现...问题4:编写程序实现二阶Laplacian算子(3*3),进行图像的边缘提取。

    图像锐化处理

    图像锐化的常用方法包括一阶微分算子和二阶微分算子。一阶微分算子有Roberts微分算子、Sobel微分算子和Prewitt微分算子。Roberts算子利用2x2的交叉模板计算梯度,Sobel算子则采用3x3的模板,通过加权平均差分法来...

    数字图像处理期末复习题2.docx

    二阶微分算子,如Laplacian算子,可以检测更精细的图像特征,包括边缘和图像内部的细节。Laplacian算子通过计算像素的二阶导数来检测图像的突变点,它是所有像素邻域灰度变化的总和,常用于噪声较小的图像中。 图像...

    边缘检测算子分割

    5. **Laplacian算子**:Laplacian算子是二阶微分算子,直接计算图像的二阶导数,可以检测到图像中的亮点和暗点,即边缘。然而,由于其对噪声敏感,通常会与高斯滤波器结合使用以平滑图像。 这些边缘检测算子在...

    边缘检测实验报告.docx

    二阶微分算子,如Laplace算子,通过检测图像的二阶导数零交叉点来寻找边缘。Laplace算子对噪声较为敏感,因此在实践中常与高斯滤波器结合使用,先通过高斯滤波去除噪声,然后再应用Laplace算子。 Canny边缘检测算子...

    几种边缘检测算子比较.pdf

    其中,一阶微分算子检测图像的梯度方向,二阶微分算子检测图像的二阶导数信息。 二、拉普拉斯高斯算子 拉普拉斯高斯算子是一种二阶导数算子,它将在边缘处产生一个陡峭的零交叉。该算子具有各向同性的特点,能够对...

    一阶与二阶微分锐化滤波器

    运用梯度算法、Roberts 梯度算子法、Sobel算子法(加权平均差分法)、拉普拉斯算子对一阶与二阶锐化滤波器性能研究

    数字图像处理 拉普拉斯算子PPT课件.pptx

    拉普拉斯变换是一种二阶微分算子,用于计算图像函数在 x 和 y 方向上的二阶偏微分之和。它可以用来检测图像中的边缘和角点,实现图像的锐化和增强。拉普拉斯变换的定义可以表示为: ∇²f(x,y) = ∂²f/∂x² + ∂...

    边缘检测实验报告.pdf

    Laplace算子是二阶微分算子,可以检测到图像的二阶导数零交叉点,适用于寻找较宽边缘。但由于其对噪声敏感,通常需要与高斯滤波器结合使用。 5. Marr-Hildreth的LOG边缘检测算法 Marr-Hildreth算法结合了高斯滤波器...

    行业分类-设备装置-基于多尺度二阶微分结构模型及改进分水岭算法的手背静脉识别方法.zip

    通过在不同的尺度上应用二阶微分算子,可以提取不同层次的特征,增强图像的对比度,从而更准确地揭示静脉的形态。 接着,改进的分水岭算法是图像分割的一种方法,用于从背景中分离出目标对象。传统的分水岭算法虽然...

    数字图像处理使用matlab进行算子锐化

    拉普拉斯算子是二阶微分算子,对图像的边缘和尖峰具有高响应。MATLAB中使用`laplacian`函数可以方便地应用拉普拉斯算子: ```matlab Laplace = laplacian(img); Edge = im2uint8(Laplace &gt; threshold); ``` 拉普拉斯...

    Matlab图像处理代码.zip

    (4)图像的锐化处理:一阶微分算子、二阶微分算子 (5)图像分割:阈值方法、边缘检测法、区域提取方法 (6)二值图像处理:腐蚀与膨胀、开运算与闭运算 (7)彩色图像处理:彩色图像的常规处理、彩色图像的平衡...

    机器视觉课内实验.doc

    《机器视觉》课内实验报告主要涵盖了四个关键的实验,分别是摄像机标定算法的编程实现、图像预处理算法的编程实现、基于一阶微分算子的边缘检测以及基于二阶微分算子的边缘检测。这些实验是机器视觉学习的重要组成...

    几种边缘检测算子在红外图像处理方面应用研究.pdf

    Log 算子是一种将高斯滤波和拉普拉斯边缘检测结合起来的二阶微分算子。Canny 算子是一种利用非最大值抑制和双阈值分割的边缘检测算子。 通过对不同类型红外图像的边缘检测实验,发现 Sobel 算子和 Canny 算子在检测...

    边缘检测实验报告 (2).pdf

    边缘检测通常分为一阶微分算子和二阶微分算子两类。 一阶微分算子包括Roberts算子、Sobel算子和Prewitt算子。Roberts算子使用两个简单的差分模板来检测边缘,Sobel算子则考虑了中心差分并给予相邻像素不同权重,而...

    17.图像锐化与边缘检测之Roberts算子、Prewitt算子、Sobel算子和Laplacian算子1

    Laplacian算子是二阶微分算子,通过对图像进行二阶差分操作来检测边缘。它是一个3x3的模板,中心元素为-2,周围的元素为1。Laplacian算子对于检测图像的突变点(例如边缘)非常敏感,但在噪声存在时可能产生假边缘...

Global site tag (gtag.js) - Google Analytics