拉普拉斯噪声公式_高斯拉普拉斯算子（Laplace of Gaussian）

高斯拉普拉斯(Laplace of Gaussian)

Laplace算子作为一种优秀的边缘检测算子，在边缘检测中得到了广泛的应用。该方法通过对图像

求图像的二阶倒数的零交叉点来实现边缘的检测，公式表示如下：

由于Laplace算子是通过对图像进行微分操作实现边缘检测的，所以对离散点和噪声比较敏感。于是，首先对图像进行高斯卷积滤波进行降噪处理，再采用Laplace算子进行边缘检测，就可以提高算子对噪声和离散点的鲁棒性，如此，拉普拉斯高斯算子Log(Laplace of Gaussian)就诞生了。

高斯卷积(Gaussian convolution )，高斯函数的表达式如下：

原图像与高斯卷积的表达式如下：

因为：

所以Log可以通过先对高斯函数进行偏导操作，然后进行卷积求解，公式表示如下：

2D高斯拉普拉斯算子可以通过任何一个方形核进行逼近，只要保证该核的所有元素的和或均值为0，如下一个5×5的核进行逼近：

高斯拉普拉斯边缘检测算法的步骤：