本文是对OpenCV2.4.13文档的部分翻译，作个人学习之用，并不完整。
Sobel算子基于在边缘部分像素灰度出现了一个很大的变化。得到灰度的一阶导数我们发现边缘是一个极大值：
而二阶导数：
此处的二阶导数是0，所以我们也可以使用这个特性来推断图像中的轮廓边缘，然而0不止出现在边缘处，还可能是无意义的位置，这就需要应用滤波函数。
Laplacian算子：
1.二阶导数可以用于检测边缘，因为图像是二维的，我们需要在两个维度都执行导数运算。这就需要Laplacian算子。
2.定义：
#include "opencv2/imgproc/imgproc.hpp" #include "opencv2/highgui/highgui.hpp" #include <stdlib.h> #include <stdio.h> using namespace cv; /** * @function main */ int main() { Mat src, src_gray, dst; int kernel_size = 3; int scale = 1; int delta = 0; int ddepth = CV_16S; const char* window_name = "Laplace Demo"; /// 载入图像 src = imread("lena.jpg");// argv[1] if( !src.data ) { return -1; } /// 使用高斯滤波器模糊消噪 GaussianBlur( src, src, Size(3,3), 0, 0, BORDER_DEFAULT ); /// 将图像转换为灰度图 cvtColor( src, src_gray, COLOR_RGB2GRAY ); /// 创建窗口 namedWindow( window_name, WINDOW_AUTOSIZE ); /// 执行拉普拉斯函数 Mat abs_dst; // 原图像、目标图像、目标深度（输入图是CV_8U,定义CV_16S来避免溢出）、核大小、后三个使用默认值 Laplacian( src_gray, dst, ddepth, kernel_size, scale, delta, BORDER_DEFAULT ); // 将输出转换为CV_8U图像 convertScaleAbs( dst, abs_dst ); /// 显示结果 imshow( window_name, abs_dst ); waitKey(0); return 0; } 结果：
对比度高的地方边缘会更明显。
