pycharm和windows7环境
python3环境下opencv3模块
理论描述：根据官网描述和图形描绘，第一张图可知：diyiznag可以形象得知，强度的一阶导数，边缘的特征是最大值，是像素强度显示“跳跃”或强度的高变化。第二张图可知二阶导数为零时，是边缘跳跃或强度的高变化。也就是边缘。这两张图非常形象的描绘了边缘检测的理论基础。
为了简单，自己构建了一个米框图，便于观察！import cv2 as cvimport numpy as npimport matplotlib.pyplot as pltimage = cv.imread('c:\\black_MiLine.png',0)cv.imshow('image',image)cv.waitKey(0)
Laplacian函数简介：dst = cv.Laplacian(src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]])前两个是必须的参数：第一个原图像；第二个是图像的深度，-1表示与原图像相同深度。目标图像深度必须大于等于原图像深度；其后是可选的参数：dst目标图像；ksize是算子的大小，必须为1、3、5、7。默认为1。scale是缩放导数的比例常数，默认无伸缩系数；delta是可选增量，会加到最终的dst中，默认情况下无额外的值加dst；borderType是判断图像边界模式。缺省cv.BORDER_DEFAULT。
进行变换：Laplacian = cv.Laplacian(image, cv.CV_16S, ksize=3)cv.imshow('Laplacian',Laplacian)我们发现输出是会的。没有其他内容。
对上述结果进行convertScaleAbs，再看结果！Laplacian_result = cv.convertScaleAbs(Laplacian)print(Laplacian_result)cv.imshow('Laplacian_result',Laplacian_result)cv.waitKey(0)
再来一个单步模拟kernel = np.array([[0,-1,0],[-1,4,-1],[0,-1,0]],np.float32)image_tmp = np.float64(image)img_filter = cv.filter2D(image_tmp,-1,kernel)cv.imshow('img_filter',img_filter)cv.waitKey(0)至此完成拉普拉斯算子。
就两步 1）先cv.Laplacian(image, cv.CV_16S, ksize=3)
2）再 cv.convertScaleAbs(Laplacian) 即可