Laplacian（拉普拉斯）边缘检测使用图像矩阵与拉普拉斯核进行卷积运算，其本质是计算图像中任意一点与其在水平方向和垂直方向上4个相邻点平均值的差值。常用的拉普拉斯核如下。
cv2.Laplacian()函数用于实现Laplacian边缘检测，其基本格式如下。
dst=cv2.Laplacian(src,ddepth[,ksize[,scale[,delta[,borderType]]]])
参数说明如下。
dst表示边缘检测结果图像。
src为原图像。
ddepth为目标图像的深度。
ksize为用于计算二阶导数滤波器的系数，必须为正数且为奇数。
scale为可选比例因子。
delta为添加到边缘检测结果中的可选增量值。
borderType为边界值类型。
Laplacian（拉普拉斯）边缘检测
2024-06-07
79
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
【6月更文挑战第7天】Laplacian（拉普拉斯）边缘检测。
目录
相关文章
|
5月前
|
5月前
|
算法
|
6月前
|
计算机视觉
Python
|
6月前
|
资源调度
API
计算机视觉
|
6月前
|
算法
计算机视觉
Python
|
6月前
|
算法
C++
计算机视觉
|
计算机视觉
|
Python
|
机器学习/深度学习
传感器
算法
【图像去噪】基于高斯滤波+均值滤波+中值滤波+双边滤波滤波实现图像去噪（含信噪比）附Matlab代码
【图像去噪】基于高斯滤波+均值滤波+中值滤波+双边滤波滤波实现图像去噪（含信噪比）附Matlab代码
237
0
0