本文最后更新于:2024年5月7日 下午
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。
简介
-
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。
-
拉普拉斯算子是二阶微分线性算子,在图像边缘处理中,二阶微分的边缘定位能力更强,锐化效果更好,因此在进行图像边缘处理时,直接采用二阶微分算子而不使用一阶微分。
拉普拉斯算子
- 离散函数的导数退化成了差分,一维一阶差分公式和二阶差分公式分别为:
$$
\frac{\partial f}{\partial x}=f(x+1)-f(x)
$$
$$
\frac{\partial^{2} f}{\partial x^{2}}=f(x+1)+f(x-1)-2 f(x)
$$
- 分别对Laplace算子x,y两个方向的二阶导数进行差分就得到了离散函数的Laplace算子。在一个二维函数f(x,y)中,x,y两个方向的二阶差分分别为:
$$
\frac{\partial^{2} f}{\partial x^{2}}=f(x+1, y)+f(x-1, y)-2 f(x, y)
$$
$$
\frac{\partial^{2} f}{\partial y^{2}}=f(x, y+1)+f(x, y-1)-2 f(x, y)
$$
- Laplace算子将两个方向的差分直接累加,得到的差分形式为:
$$
\nabla^{2} f(x, y)=f(x+1, y)+f(x-1, y)+f(x, y+1)+f(x, y-1)-4 f(x, y)
$$
- 写成卷积核的形式如下:
- 拉普拉斯算子符号为$ \Delta $,$ \varphi $ 是在流形上的实数或复数值的方程,它的拉普拉斯变换可表示为:
$$
\Delta \varphi
$$
源
- 另一种解释是 拉普拉斯算子其实就是针对空间标量函数的一种“操作”,即先求该标量函数的梯度场,再求梯度场的散度。
- 物理意义是求标量函数梯度场的散度。
- 求散度就可以知道空间中“源”的分布。
参考资料
- https://blog.csdn.net/hellocsz/article/details/102485387
- https://www.zhihu.com/question/26822364
- https://baike.baidu.com/item/泊松方程/251923?fr=aladdin
文章链接:
https://www.zywvvd.com/notes/study/image-processing/laplace-operator/laplace-operator/
“觉得不错的话,给点打赏吧 ୧(๑•̀⌄•́๑)૭”
微信支付
支付宝支付