Laplacian(拉普拉斯)边缘检测

简介: 【6月更文挑战第7天】Laplacian(拉普拉斯)边缘检测。

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。
image.png
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。

目录
打赏
0
1
1
0
342
分享
相关文章
【从零开始学习深度学习】21. 卷积神经网络(CNN)之二维卷积层原理介绍、如何用卷积层检测物体边缘
【从零开始学习深度学习】21. 卷积神经网络(CNN)之二维卷积层原理介绍、如何用卷积层检测物体边缘
YOLOv5改进 | 2023 | FocusedLinearAttention实现有效涨点
YOLOv5改进 | 2023 | FocusedLinearAttention实现有效涨点
138 1
第十六届全国大学生信息安全竞赛创新实践能力赛(CISCN)
第十六届全国大学生信息安全竞赛创新实践能力赛(CISCN)
270 1
【Pytorch神经网络实战案例】20 基于Cora数据集实现图卷积神经网络论文分类
CORA数据集里面含有每一篇论文的关键词以及分类信息,同时还有论文间互相引用的信息。搭建AI模型,对数据集中的论文信息进行分析,根据已有论文的分类特征,从而预测出未知分类的论文类别。
735 0
STM32速成笔记(十二)—Flash闪存
本文简单介绍了什么是Flash。针对STM32F1的Flash做了详细介绍,介绍了操作Flash的步骤,并且给出了程序设计。最后,介绍了一些注意事项。
207 0
STM32速成笔记(十二)—Flash闪存
jqGrid数据列表和表单的列隐藏/显示
jqGrid数据列表和表单的列隐藏/显示
129 0
DeIT:Training data-efficient image transformers & distillation through attention论文解读
最近,基于注意力的神经网络被证明可以解决图像理解任务,如图像分类。这些高性能的vision transformer使用大量的计算资源来预训练了数亿张图像,从而限制了它们的应用。
593 0
Windows操作系统:串口篇
windows下串口编程还是linux有区别的
1172 1
使用PyTorch构建GAN生成对抗网络源码(详细步骤讲解+注释版)01 手写字体识别
生成对抗网络(GAN)是一种用于生成新的照片,文本或音频的模型。它由两部分组成:生成器和判别器。生成器的作用是生成新的样本,而判别器的作用是识别这些样本是真实的还是假的。两个模型相互博弈,通过不断调整自己的参数来提高自己的能力。生成器希望判别器错误地认为其生成的样本是真实的,而判别器希望能正确地识别生成器生成的样本是假的。最终,生成器会学到如何生成逼真的样本,而判别器会学到如何区分真假样本。

热门文章

最新文章

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等