matlab 拉普拉斯锐化函数_DIP第三章图像增强高斯拉普拉斯算子零交叉点

Welcome​zqsiat.github.io

写在前面的

老师在布置这道作业题的时候说“这次作业非常简单，比上次第二章的作业简单，不会花太长时间就可以完成。”当时我还真信了，但是，并不简单。吐槽一下，我们老师讲课对我们学生的水平太过自信，有些细节的东西不讲，其中滋味请大家自行脑补。

作业内容

鉴于LoG算法在历史中的地位，进行较深入的实验研究探讨不同σ对LoG 算法的影响。图像Chapter3_1.pgm计算公式（*表卷积）见(1) 式

（1）

取σ =1.2然后求零交叉的结果；取σ =2.8的然后求零交叉的结果；讨论和结论：零交叉对σ的依赖性。

注意：卷积模板大小取正方形NxN，N不小于3σ，卷积模板由(2)式确定

补充：零交叉结果 - 生成二值图像，零交叉用1表示（显示为255）、其他的用0表示（显示为0）。

（2）

图1、Chapter3_1.pgm

图像增强

老师的PPT内容很少，所以我找到了国科大校区的课件，用以补充相关知识。首先图像增强的分类，盗一张大图大家看一下，因为之前老师没讲这个，看到它时，感觉自己发现了新大陆：

图2、图像增强分类

这次作业内容属于图像锐化，图像锐化和图像平滑都是空间域滤波。空域滤波原理：建立模板，并在待处理的图像中逐点移动模板，对每个像素点按照滤波器算法进行计算。微分滤波器是图像锐化的一种滤波器。微分滤波器的原理，均值产生平滑的效果，而均值与积分相似，由此而联想到，微分则能产生相反的效果。

高斯拉普拉斯

首先这坨公式它是怎么来的呢？

LoG算子：

其中标准高斯函数，G(x,y)标准差δ ：

对一个标准高斯函数（未归一化）进行二次偏微分：

最终表达式：

LoG零交叉出现在

处LoG函数剖面图，沿着直径切开，如下图，看其形状，故而也被叫做墨西哥草帽算子。

图3、LoG函数刨面图

卷积模板

那这个卷积模板应该怎么求呢？它