如何在OpenCV中计算图像的散度和梯度？

Question

我知道要实现以下目标

我将使用以下代码：

Mat o_k;
Mat Lapl;
double lambda;
Laplacian(o_k, Lapl, o_k.depth(), 1, 1, 0, BORDER_REFLECT);
Lapl = 1.0 - 2.0*lambda*Lapl;

但是，我试图在OpenCV中实现以下等式：

我知道div或称谓词是这样的，对吧？

int ksize = parser.get<int>("ksize");
int scale = parser.get<int>("scale");
int delta = parser.get<int>("delta");
Sobel(res, sobelx, CV_64F, 1, 0, ksize, scale, delta, BORDER_DEFAULT);
Sobel(res, sobely, CV_64F, 0, 1, ksize, scale, delta, BORDER_DEFAULT);
div = sobelx + sobely;

res是括号中术语的结果。但是，如何获得括号中的术语呢？

还是我做错了？上面的div实际上等于res的斜率吗？如果是这样，那我如何得到分歧？

编辑：

根据此链接，幅度也可以计算为mag = abs(x) + abs(y)：https://docs.opencv.org/2.4/doc/tutorials/imgproc/imgtrans/sobel_derivatives/sobel_derivatives.html#sobel-derivatives

既然梯度的div是拉普拉斯算子，下面的代码是否等效于第二个方程式？

Sobel(res, sobelx, CV_64F, 1, 0, ksize, scale, delta, BORDER_DEFAULT);
Sobel(res, sobely, CV_64F, 0, 1, ksize, scale, delta, BORDER_DEFAULT);

convertScaleAbs( sobelx, abs_grad_x );
convertScaleAbs( sobely, abs_grad_y );

/// Total Gradient (approximate)
Mat mag;
addWeighted( abs_grad_x, 1, abs_grad_y, 1, 0, mag);

Laplacian(o_k, Lapl, o_k.depth(), 1, 1, 0, BORDER_REFLECT);
Mat top;
top = lambda  * Lapl;

Mat result;
divide(top, mag, result);