scipy.ndimage.filter.laplace（）中使用的拉普拉斯掩码/内核是什么？

Question

一个简单的水平/垂直拉普拉斯掩模在内核的中心有4个（图的左侧）。类似地，对角线特征敏感的拉普拉斯掩模在内核的中心有8个（图中的右侧）。 scipy使用了哪个掩码，我可以选择使用哪个掩码吗？

Answer 1

一个简单的检查是声明一个零的二维数组，除了中心的一个系数设置为1，然后将laplace函数应用于它。具有过滤功能的属性是，如果您提交带有单个1的图像，则输出将是实际过滤器本身位于1所在位置的中心 - 查找impulse response ...或更具体地说，{ {3}}

如果您这样做，那么在您运行laplace方法后，您会看到它的样子：

In [13]: import numpy as np

In [14]: import scipy.ndimage.filters

In [15]: A = np.zeros((5,5))

In [16]: A[2,2] = 1

In [17]: B = scipy.ndimage.filters.laplace(A)

In [18]: A
Out[18]:
array([[ 0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  1.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.]])

In [19]: B
Out[19]:
array([[ 0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  1.,  0.,  0.],
       [ 0.,  1., -4.,  1.,  0.],
       [ 0.,  0.,  1.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.]])

因此，它是第一个正在使用的内核，但请注意符号的变化。中心系数为正，而其他系数为负。

但是，如果你真的想知道底层发生了什么，请查看函数的文档：Point Spread Function - 这里有一个指向函数定义源的链接：

http://docs.scipy.org/doc/scipy/reference/generated/scipy.ndimage.filters.laplace.html

您需要查看的相关代码如下：

def derivative2(input, axis, output, mode, cval):
    return correlate1d(input, [1, -2, 1], axis, output, mode, cval, 0)
return generic_laplace(input, derivative2, output, mode, cval)

基本上，[1, -2, 1]的一维内核正在独立地应用于每个维度，就像correlate1d函数所做的那样...所以首先是行，然后是列。这实际上会计算您在问题中看到的第一个遮罩。