【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】

        和之前的prewitt算子、sobel算子不同，laplacian算子更适合检测一些孤立点、短线段的边缘。因此，它对噪声比较敏感，输入的图像一定要做好噪声的处理工作。同时，laplacian算子设计比较精巧，之前看到的算子都是利用一侧的像素点减去另外一侧的像素点，利用微分数值代替像素值。laplacian算子则不同，它是利用内部的像素点和周围的像素点做微分计算，两者之间的差值赋值给中心点元素作为新的像素值使用。

        以lena图像为例，经过laplacian算子处理后的图像如下所示，

 

1、以-4为中心点的算子

        如果中心点的权重为-4，那么正上方、正下方、左侧、右侧的算子则为1。如果写成矩阵的话，应该是[0,1,0;1,-4,1;0,1,0]。整个矩阵之和肯定为0。当然，计算的过程中，结果有可能小于0，或者大于255，这部分都要做好预防。写成代码的话，应该是这个样子的，

'''
get laplacian image,  [0, 1, 0; 1, -4, 1; 0, 1, 0]
'''
def get_laplacian_image0(picture):
    filter_image = np.copy(picture)