拉普拉斯算子属于卷积方法吗_边缘检测 Laplace算子

Laplace算子作为边缘检测之一，和Sobel算子一样也是工程数学中常用的一种积分变换，属于空间锐化滤波操作。拉普拉斯算子（Laplace Operator）是n维欧几里德空间中的一个二阶微分算子，定义为梯度（▽f）的散度（▽·f）。拉普拉斯算子也可以推广为定义在黎曼流形上的椭圆型算子，称为拉普拉斯-贝尔特拉米算子。（百度百科）

拉普拉斯算子是最简单的各项同性二阶微分算子，具有旋转不变性。根据函数微分的特性，该像素点值的二阶微分点为0的点为边缘点，对于二维图像函数f(x,y)，图像的Laplace算子为：

laplace是对x方向和y方向分别求二阶导数，其在x方向的二阶导数如下：

其在y方向上的二阶导数如下：

所以二阶laplace算子的表达式为：

根据这个表达式可以得到如下的filter mask：

对laplace算子进行扩展可以得到下面的filter mask:

对于图像中灰度变化剧烈的区域，拉普拉斯算子能够实现边缘检测。拉普拉斯算子利用二次微分特性与峰值间的过零点确定边缘的位置，对于扩展的拉普拉斯filter mask也能够应用于图像的锐化处理中。

图像锐化(image sharpening)是补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得清晰，分为空间域处理和频域处理两类。图像锐化是为了突出图像上地物的边缘、轮廓，或某些线性目标要素的特征。这种滤波方法提高了地物边缘与周围像元之间的反差，因此也被称为边缘增强。图像的拉普拉斯锐化可用下式表示：

当mask中心系数为正时，中心像素的灰度被提高，否则中心像素的灰度会被降低。

OpenCV中拉普拉斯函数原型如下：

void 

参数说明：

src : 输入图像

dst : 输入图像，和输入图像有相同的大小和通道

ddepth: 输出图像的深度

ksize : 算子的核大小，只能为1,3,5,7

scale: 可选参数，缩放导数的放缩因子

delta: 可选的增量常数

borderType : 用于推断图像外部像素的边界模式，一般是DORDER_DEFAULT,不支持BORDER_WRAP.

示例代码如下：

#include 

结果展示：