拉普拉斯算子

  • 拉普拉斯算子
  • 性质

拉普拉斯算子

长这样:

[−12−1−12−1−12−1]\begin{bmatrix} -1 & 2 &-1 \\ -1 & 2 &-1 \\-1 & 2 &-1 \end{bmatrix}⎣⎡​−1−1−1​222​−1−1−1​⎦⎤​

性质

Image = np.array([[0, 0, 0, 0, 0, 0], [0, 1, 5, 9, 7, 0], [0, 1, 5, 9, 7, 0], [0, 1, 5, 9, 7, 0], [0, 1, 5, 9, 7, 0], [0, 0, 0, 0, 0, 0]])Kernel = [[-1, 2, -1], [-1, 2, -1], [-1, 2, -1]]ax1 = plt.subplot(1,2,1)
plt.imshow(Image)
plt.title('Image')ax1 = plt.subplot(1,2,2)
plt.imshow(Kernel)
plt.title('Kernel')def convolution(Image, Kernel):count = 0for i in range(0, 3):for j in range(0, 3):count += Image[2-i][2-j]*Kernel[i][j]return countdef correlation(Image, Kernel):count = 0for i in range(0, 3):for j in range(0, 3):count += Image[i][j]*Kernel[i][j]return countresult1 = [[0, 0, 0, 0], [0, 0, 0, 0],[0, 0, 0, 0], [0, 0, 0, 0]]for i in range(4):for j in range(4):result1[i][j] = convolution(Image[i:i+3, j:j+3], Kernel)result2 = [[0, 0, 0, 0], [0, 0, 0, 0],[0, 0, 0, 0], [0, 0, 0, 0]]for i in range(4):for j in range(4):result2[i][j] = correlation(Image[i:i+3, j:j+3], Kernel)_, ax = plt.subplots(1, 2, figsize = (10, 10))ax[0].imshow(result1)
ax[0].set_title('Convolution Result')
ax[1].imshow(result2)
ax[1].set_title('Correlation Result')

从结果看出,用拉普拉斯算子对图像做卷积和关联操作,其结果是一样的,因为拉普拉斯算子本身旋转 180° 的结果还是它本身

[VP] 拉普拉斯算子 Laplacian Filter相关推荐

  1. OpenCV图像处理 空间域图像增强(图像锐化 1 基于拉普拉斯算子)

    http://ggicci.blog.163.com/blog/static/210364096201262123236955/ OpenCV OpenCV 图像锐化 拉普拉斯算子 ( Laplaci ...

  2. c++ log函数_高斯拉普拉斯算子(Laplacian of Gaussian, LoG)

    一.简要描述: 拉普拉斯算子是图像二阶空间导数的二维各向同性测度.拉普拉斯算子可以突出图像中强度发生快速变化的区域,因此常用在边缘检测任务当中.在进行Laplacian操作之前通常需要先用高斯平滑滤波 ...

  3. Laplacian of Gaussian (LOG) 高斯拉普拉斯算子

    Laplacian(拉普拉斯)是对于一张图像的二阶空间导数上各向同性的测量.一张图像的Laplacian会显示出intensity(亮度) 剧烈变化的区域,所以经常用作边缘检测. 一幅图像的拉普拉斯变 ...

  4. 【数字图像处理】图像锐化:拉普拉斯算子(Laplacian)、高通滤波、Sobel算子、Isotropic算子、Prewitt算子

    图像锐化 图像锐化处理的目的是使模糊的图像变得更加清晰起来,通常针对引起图像模糊的原因而进行相应地锐化操作属于图像复原的内容.图像的模糊实质就是图像受到平均或积分运算造成的,因此可以对图像进行还原运算 ...

  5. 用拉普拉斯变换求零状态响应_高斯拉普拉斯算子(Laplacian of Gaussian, LoG)

    一.简要描述: 拉普拉斯算子是图像二阶空间导数的二维各向同性测度.拉普拉斯算子可以突出图像中强度发生快速变化的区域,因此常用在边缘检测任务当中.在进行Laplacian操作之前通常需要先用高斯平滑滤波 ...

  6. Laplacian算子(拉普拉斯算子)

    一.概述 定义:拉普拉斯算子是n维欧几里德空间中的一个二阶微分算子,是用二阶差分来计算图像的边缘. 拉普拉斯算子是一种各向同性微分算子,它具有旋转不变性. laplace算子是一种高通滤波器,用来保留 ...

  7. OpenCV-数字图像处理之拉普拉斯算子

    OpenCV-数字图像处理之拉普拉斯算子 Laplace算子和Sobel算子一样,属于空间锐化滤波操作.起本质与前面的Spatial Filter操作大同小异,下面就通过Laplace算子来介绍一下空 ...

  8. 数字图像处理之拉普拉斯算子

    OpenCV-跟我一起学数字图像处理之拉普拉斯算子 Laplace算子和Sobel算子一样,属于空间锐化滤波操作.起本质与前面的Spatial Filter操作大同小异,下面就通过Laplace算子来 ...

  9. python 拉普拉斯锐化_(二十四)用二阶微分(拉普拉斯算子)实现图像锐化

    时间为友,记录点滴. 我们已经了解过了梯度(一阶微分)的作用,那么为什么要引入二阶微分呢?二阶微分的作用是什么? 还是看图说话: 很明显,一阶微分已经可以把轮廓辨识出来,但是,对于变化较缓的地方,一阶 ...

  10. 边缘检测:Sobel、拉普拉斯算子

    边缘 边缘(edge)是指图像局部强度变化最显著的部分.主要存在于目标与目标.目标与背景.区域与区域(包括不同色彩)之间,是图像分割.纹理特征和形状特征等图像分析的重要基础. 图像强度的显著变化可分为 ...

最新文章

  1. Linux常用开发环境软件-jdk安装
  2. jQuery 的 serializeArray()、serialize() 方法
  3. spring boot:java.lang.IllegalStateException异常
  4. 转:SCI、EI和ISTP收录号的查询方法
  5. 深拷贝的缺点_JavaScript 深拷贝
  6. dedecms在linux主机下的一个奇怪错误
  7. nodejs mysql 注入_node.js sql 注入攻击防御方法 (sql Injection)
  8. 来一个可能防止恶意采集和爬虫的SH
  9. TS Introduction(介绍)
  10. Linux架构之NFS共享存储1
  11. 关注物业公司信息化建设
  12. 视频教程 | 3D 跑酷小游戏实战开发(上)
  13. 软件测试面试题之自动化测试题大合集(下)
  14. Python编程实现预剪枝的CART决策树
  15. 智慧政府:大数据治国时代的来临 - 电子书下载(高清版PDF格式+EPUB格式)
  16. 六度分离/HDOJ 1869
  17. 逻辑思维、时间管理、学习记忆书单整理
  18. Java解决下载--文件名乱码
  19. Color国际青年公寓
  20. 大数据在医疗领域的应用

热门文章

  1. 完美解决 OneNote 笔记无法同步的问题
  2. week7 TT的魔猫
  3. 求职信高中生计算机,高中生求职信.doc
  4. QT运行时的Debug、Release、Profile选项区别
  5. c语言浮点常量,C 浮点常量
  6. 对mysql优化关注_效率提高N倍的19条MySQL优化秘籍
  7. Xmarks不会关闭了,太好了!
  8. 设置代理服务器(谷歌+IE)
  9. [NOIP2015普及组]推销员
  10. webpack压缩图片