python - 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(图的左侧)有 4 个。类似地，对对角线特征敏感的拉普拉斯掩码在内核的中心(下图中的右侧)有 8 个。 scipy 使用的是什么掩码，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二维零数组，除了中心的一个系数设置为 1，然后对其应用 laplace 函数。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，以 1 所在的位置为中心 - 查找 impulse response ...或者更具体地说，Point Spread Function .

如果你这样做，那么在运行 laplace 方法后你会看到它的样子:

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，其余系数为负。

---

但是，如果您真的想知道引擎盖下发生了什么，请查看有关函数的文档:http://docs.scipy.org/doc/scipy/reference/generated/scipy.ndimage.filters.laplace.html - 有指向函数定义来源的链接:

https://github.com/scipy/scipy/blob/v0.16.0/scipy/ndimage/filters.py#L396

你需要看的相关代码在这里:

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] 的一维内核被独立应用于每个维度，正如 correlate1d 函数所做的那样...所以行首先，然后是列。这实际上计算了您在问题中看到的第一个掩码。