python拉普拉斯算子滤波_OpenCV-Python系列之拉普拉斯算子

们在上一个教程中前面的例子学习了使用Sobel边缘检测。原理是利用边缘区域像素值的跳变。通过求一阶导数，可以使边缘值最大化。如下图所示：

那么，如果求二阶导数会得到什么呢?

可以观察到二阶导数为0的地方。因此，可以利用该方法获取图像中的边缘。然而，需要注意的是二级导数为0的不只出现在边缘地方，还可能是一些无意义的位置，根据需要通过滤波处理该情况。

二阶微分

现在我们来讨论二阶微分，它是拉普拉斯算子的基础，与微积分中定义的微分略有不同，数字图像中处理的是离散的值，因此对于一维函数的一阶微分的基本定义是差值：

类似的，二阶微分定义为：

将一维函数扩展到二维：

二阶微分的定义保证了以下几点：

1、在恒定灰度区域的微分值为0

2、在灰度台阶或斜坡的起点处微分值非零

可以看出，二阶微分可以检测出图像的边缘、增强细节

拉普拉斯算子

从上面的解释，可以看出二阶导数可以拥有边缘检测。由于图像是二维的，因此需要分别获取两个方向的导数。这里使用的是拉普拉斯算子来进行近似。

拉普拉斯算子用下面公式定义：

其中：