1、Laplace算子概念及在图像处理中的应用:
在微分几何中,曲面被描述为场,而网格又是离散化的曲面,可以看成是包含了有限个点的离散场,网格上的每个点对其周围的邻居点都是有影响。拉普拉斯方程式是一个二阶偏微分方程,曲面的二阶微分描述了曲面的曲率,上述公式相当于寻找曲线的拐点(也就是连续曲线的凹弧与凸弧的分界点)。
拉普拉斯算子定义为梯度的散度。梯度衡量的是函数变化的趋势、方向,在三维空间中,每点都有指向不同方向的梯度向量,在极大值点处,该点的所有方向都是向内的;散度是标量,定义为某一点处的函数值与领域相比的大小关系(极值点的凹凸特征),描述沿区域内向量显示的聚/散表征,可以看做在此点处向内的箭头比较多还是向外的箭头比较多。
在灰度图像中,拉普拉斯算子就是x, y两个方向的二阶偏导数求和 (即有二维解)。左图为图像灰度的变化曲线,可以理解为灰度变化越陡的地方,就是图像边缘。对变化进行二次求导,在某点处一阶导为0,两端的二阶导相反,可以理解为变化最为陡峭的地方。
2、Laplace-Beltrami 算子(LBO,Lap