图像点、线、边缘检测(1)——拉普拉斯
闲着无聊,整理一下图像中拉普拉斯算子的计算过程(离散差分方程)
公式来源:Digital Image Processing, 4th
关于 f ( x ) f(x) f(x)的导数公式推导
-
将函数 f ( x + Δ x ) f(x + \Delta{x}) f(x+Δx) 关于 x x x 进行泰勒系数展开:
f ( x + Δ x ) = f ( x ) + Δ x ∂ f ( x ) ∂ x + Δ x 2 2 ! ∂ 2 f ( x ) ∂ x 2 + Δ x 3 3 ! ∂ 3 f ( x ) ∂ x 3 + . . . = ∑ n = 0 ∞ ( Δ x ) n n ! ∂ n f ( x ) ∂ x n (1) \begin{aligned} f(x+\Delta{x})&=f(x)+\Delta{x} \frac{\partial{f(x)}}{\partial x}+\frac{\Delta{x^2}}{2!}\frac{\partial^2f(x)}{\partial x^2}+\frac{\Delta{x^3}}{3!}\frac{\partial^3f(x)}{\partial x^3} + {...} \\ &=\sum_{n=0}^{\infty}\frac{(\Delta x)^n}{n!}\frac{\partial^nf(x)}{\partial x^n} \end{aligned} \tag{1} f(x+Δx)=f(x)+Δx∂x∂f(x)+2!Δx2∂x2∂2f(x)+3!Δx3∂x3∂3f(x)+...=n=0∑∞n!(Δx)n∂xn∂nf(x)(1) -
当 Δ x = 1 \Delta x =1 Δx=1(即像素后一位):
f ( x + 1 ) = f ( x ) + ∂ f ( x ) ∂ x + 1 2 ! ∂ 2