LaplacianGaussianFilter

LaplacianGaussianFilter[data,r]

data 与像素半径为 r 的拉普拉斯-高斯核卷积.

LaplacianGaussianFilter[data,{r,σ}]

data 与拉普拉斯-高斯核卷积，核的半径是 r，标准差是 σ.

更多信息和选项

范例

打开所有单元关闭所有单元

基本范例  (3)

对彩色图像进行滤波：

把 LoG 滤波器应用于 3D 图像：

对列表进行高斯拉普拉斯 (LoG) 滤波：

范围  (8)

数据  (4)

数值矩阵的高斯拉普拉斯滤波：

过滤一个 TimeSeries 对象：

对一个 Audio 信号进行滤波：

对灰度图应用高斯拉普拉斯滤波：

参数  (4)

对一个阶跃序列进行高斯拉普拉斯滤波：

使用更大的半径：

只在垂直方向应用高斯拉普拉斯滤波：

在垂直方向使用不同的半径：

只在垂直方向求 3D 图像的高斯拉普拉斯导数：

只过滤水平平面：

默认的标准差是 ：

改变标准差：

选项  (7)

Method  (1)

默认情况下，用 "Bessel" 方法获取滤波系数：

使用 "Gaussian" 方法：

Padding  (2)

使用不同填充方法的 LaplacianGaussianFilter：

Padding->None 一般返回比输入小的图像：

Standardized  (1)

默认设置为 True：

使用 Standardized->False：

WorkingPrecision  (3)

默认情况下，MachinePrecision 与整数数组一起使用：

执行精确计算：

默认情况下，实数组使用输入精度：

指定使用的精度：

对图像进行滤波时，忽略 WorkingPrecision：

总是返回实类型图像：

应用  (4)

通过找到 LoG 滤波的图像的零交点检测边缘：

通过把 LoG 滤波器应用到距离转换的输出分割图像：

用 LaplacianGaussianFilter 去除音频信号的噪声：

从彩色地图获取边界：

属性和关系  (6)

LaplacianGaussianFilter 是线性滤波器：

LaplacianGaussianFilter 是卷积的结果：

使用 GaussianFilter 执行 LaplacianGaussianFilter：

给定半径的高斯拉普拉斯滤波器的脉冲响应：

给定标准偏差的高斯拉普拉斯滤波器的脉冲响应：

二值图像的滤波给出实值图像：

Wolfram Research (2008)，LaplacianGaussianFilter，Wolfram 语言函数，https://reference.wolfram.com/language/ref/LaplacianGaussianFilter.html （更新于 2016 年）.

文本

Wolfram Research (2008)，LaplacianGaussianFilter，Wolfram 语言函数，https://reference.wolfram.com/language/ref/LaplacianGaussianFilter.html （更新于 2016 年）.

CMS

Wolfram 语言. 2008. "LaplacianGaussianFilter." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2016. https://reference.wolfram.com/language/ref/LaplacianGaussianFilter.html.

APA

Wolfram 语言. (2008). LaplacianGaussianFilter. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/LaplacianGaussianFilter.html 年

BibTeX

@misc{reference.wolfram_2024_laplaciangaussianfilter, author="Wolfram Research", title="{LaplacianGaussianFilter}", year="2016", howpublished="\url{https://reference.wolfram.com/language/ref/LaplacianGaussianFilter.html}", note=[Accessed: 19-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_laplaciangaussianfilter, organization={Wolfram Research}, title={LaplacianGaussianFilter}, year={2016}, url={https://reference.wolfram.com/language/ref/LaplacianGaussianFilter.html}, note=[Accessed: 19-November-2024 ]}