Kategorien

← View All Tools

Laplace-Operator für Bilder

Wendet Laplace-Operator für Kantenerkennung, Schärfung und Bildverbesserung mit verschiedenen Kernvarianten an

Click to upload file or drag and drop file here

Maximum file size: 10MB Supported formats: image/jpeg, image/png, image/webp, image/gif, image/bmp, image/tiff

Bild zur Anwendung des Laplace-Operators

Typ des anzuwendenden Laplace-Kerns

Stärke des Laplace-Effekts (0.1-5.0)

Anzahl der Laplace-Anwendungen

Schwellenwert für Kantenerkennung (0-255)

Wie die Laplace-Ergebnisse gerendert werden sollen

Wichtige Fakten

Kategorie
Design
Eingabetypen
file, select, number
Ausgabetyp
file
Sample-Abdeckung
4
API verfügbar
Yes

Überblick

Der Laplace-Operator für Bilder ist ein präzises Werkzeug zur Kantenerkennung, Schärfung und Verbesserung von Bildqualität. Es wendet verschiedene Laplace-Kernvarianten an, um visuelle Details hervorzuheben und Bilder für unterschiedliche Anwendungen zu optimieren.

Wann verwenden

  • •Wenn Sie Kanten in Bildern klar definieren müssen, etwa für technische Analysen oder Fotobearbeitung.
  • •Um unscharfe Bilder zu schärfen und feine Details sichtbarer zu machen.
  • •Für die Vorverarbeitung von Bildern in der Computer Vision oder bei der Objekterkennung.

So funktioniert es

  • •Laden Sie ein Bild im Format JPEG, PNG, WebP, GIF, BMP oder TIFF hoch.
  • •Wählen Sie einen Laplace-Kerntyp aus, wie Standard, Diagonal, Schärfung oder Kantenerkennung.
  • •Passen Sie optional Parameter wie Intensität, Iterationen und Schwellenwert an, um den Effekt zu steuern.
  • •Wählen Sie den Ausgabemodus, um das Ergebnis als binäre Kanten, verbesserte Sichtbarkeit oder Schärfungseffekt zu erhalten.

Anwendungsfälle

Verbesserung von unscharfen Fotos für soziale Medien oder Druck.
Kantenerkennung in medizinischen Bildern zur Unterstützung bei Diagnosen.
Vorverarbeitung von Bildern für maschinelle Lernmodelle in der Objekterkennung.

Beispiele

1. Kantenerkennung für technische Zeichnungen

Hintergrund
Ein Ingenieur hat eine gescannte technische Zeichnung mit unscharfen Linien.
Problem
Die Linien sind nicht klar definiert, was präzise Messungen erschwert.
Verwendung
Bild hochladen, Kerntyp 'Kantenerkennung' auswählen und Schwellenwert auf 100 setzen.
Ergebnis
Das Ergebnisbild zeigt deutlich definierte Kanten für einfache Analyse und Vermessung.

2. Schärfung von Porträtfotos

Fotograf
Hintergrund
Ein Fotograf möchte ein Porträtfoto schärfen, um Details wie Haare und Augen hervorzuheben.
Problem
Das Foto wirkt weich und verliert an Klarheit.
Verwendung
Kerntyp 'Schärfungsvariante' mit Intensität 1.5 und einer Iteration anwenden.
Ergebnis
Das Foto erscheint schärfer und lebendiger, ohne übertriebene Effekte.

Mit Samples testen

image, png, jpg
Windows C++ Bildverarbeitung Beispiele
Windows C++ Bildverarbeitungsbeispiele einschließlich Bild-Laden/Speichern, Größenänderung und Formatkonvertierung mit Windows Imaging Component
title token image
image
Web Rust Bildverarbeitungsbeispiele
Web Rust Bildverarbeitungsbeispiele einschließlich Lesen/Schreiben, Skalierung und Formatkonvertierung
title token image
image
Bildverarbeitung macOS Objective-C - Beispiele
macOS Objective-C Bildverarbeitungsbeispiele einschließlich Bild-Lesen/Schreiben, Bild-Skalierung und Formatkonvertierung
title token image
image
Web Python Bildverarbeitung Beispiele
Web Python Bildverarbeitungsbeispiele mit PIL/Pillow einschließlich Lesen, Speichern, Skalieren und Formatkonvertierung
title token image
image

Verwandte Hubs

Image-Tools
Entdecken Sie 40 image-Tools für utility-Workflows und vergleichen Sie ähnliche Utilities schnell.
Image-Convert-Tools
Entdecken Sie 100 image-Tools für convert-Workflows und vergleichen Sie ähnliche Utilities schnell.

FAQ

Welche Bildformate unterstützt das Tool?

JPEG, PNG, WebP, GIF, BMP und TIFF bis zu 10 MB.

Was bewirken die verschiedenen Kerntypen?

Jeder Kern hat eine spezifische Wirkung: z.B. Standard für allgemeine Kantenerkennung, Schärfung für Schärfungseffekte.

Kann ich die Stärke des Effekts anpassen?

Ja, über den Intensitätsparameter von 0.1 bis 5.0.

Wofür ist der Schwellenwert gedacht?

Der Schwellenwert (0-255) bestimmt, welche Pixel im binären Ausgabemodus als Kanten erkannt werden.

Wie viele Iterationen sind empfehlenswert?

Eine Iteration reicht meist aus, für stärkere Effekte können bis zu 3 verwendet werden.

API-Dokumentation

Request-Endpunkt

POST /de/api/tools/image-laplacian

Request-Parameter

Parameter-Name Typ Erforderlich Beschreibung
imageFile file (Upload erforderlich) Ja Bild zur Anwendung des Laplace-Operators
kernelType select Nein Typ des anzuwendenden Laplace-Kerns
intensity number Nein Stärke des Laplace-Effekts (0.1-5.0)
iterations number Nein Anzahl der Laplace-Anwendungen
threshold number Nein Schwellenwert für Kantenerkennung (0-255)
outputMode select Nein Wie die Laplace-Ergebnisse gerendert werden sollen

Dateitypparameter müssen erst über POST /upload/image-laplacian hochgeladen werden, um filePath zu erhalten, dann filePath an das entsprechende Dateifeld übergeben.

Antwortformat

{
  "filePath": "/public/processing/randomid.ext",
  "fileName": "output.ext",
  "contentType": "application/octet-stream",
  "size": 1024,
  "metadata": {
    "key": "value"
  },
  "error": "Error message (optional)",
  "message": "Notification message (optional)"
}
Datei: Datei

MCP-Dokumentation

Fügen Sie dieses Tool zu Ihrer MCP-Server-Konfiguration hinzu: 

{
  "mcpServers": {
    "elysiatools-image-laplacian": {
      "name": "image-laplacian",
      "description": "Wendet Laplace-Operator für Kantenerkennung, Schärfung und Bildverbesserung mit verschiedenen Kernvarianten an",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=image-laplacian",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

Sie können mehrere Tools verketten, z.B.: `https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`, maximal 20 Tools.

Unterstützt URL-Dateilinks oder Base64-Codierung für Dateiparameter.

Wenn Sie auf Probleme stoßen, kontaktieren Sie uns bitte bei [email protected]