skimage.filters.laplace函数在Python中是如何工作的？

我试图找出在skimage.filters的拉普拉斯函数中使用的内核。我知道拉普拉斯滤波器是基于矩阵卷积的，但我似乎无法理解skimage.filters的拉普拉斯函数产生的值

这是一个例子：

>>> import numpy as np
>>> import skimage
>>> from skimage.filters import laplace
>>> x = [[2,3,2],[5,3,6],[3,7,3]]
>>> x = np.array(x)
>>> x
array([[2, 3, 2],
       [5, 3, 6],
       [3, 7, 3]])
>>> laplace(x, ksize=3)
array([[ 0.00000000e+00,  0.00000000e+00,  0.00000000e+00],
       [ 0.00000000e+00, -9.75781955e-19,  0.00000000e+00],
       [ 0.00000000e+00,  0.00000000e+00,  0.00000000e+00]])

If skimage.filters的拉普拉斯函数使用

[[ 0,  1, 0],
 [ 1, -4, 1],
 [ 0,  1, 0]]

然后根据矩阵卷积，它应该已经产生了

[[ 0,  5, -1],
 [12, -9, 16],
 [ 0, 19, -1]]

而不是

[[ 0.00000000e+00,  0.00000000e+00,  0.00000000e+00],
 [ 0.00000000e+00, -9.75781955e-19,  0.00000000e+00],
 [ 0.00000000e+00,  0.00000000e+00,  0.00000000e+00]]

我对什么是内核/运算符撇取非常困惑。过滤器的拉普拉斯函数使用的几乎所有输出值都接近于零，例如-9.75781955e-19。老实说，我不认为任何合理的内核/操作符都能产生这种输出，所以我可能只是不理解Python的skimage.filters的laplace函数是如何工作的

---

对此问题的任何帮助/评论/建议/见解将不胜感激。谢谢。

欢迎使用堆栈溢出的scikit映像线程！出现这种奇怪行为的原因是

x

的

dtype

是

int64

，而scikit image

laplace

函数调用

img\u as\u float

以浮点数进行计算，但在强制转换dtype时，它还将数组除以原始dtype的最大值（此处为2^63-1），因此值非常小。如果要避免此问题，可以在将图像传递给laplace之前将其转换为float：

>>> x = x.astype(np.float)                                                
>>> filters.laplace(x)                                                    
array([[-4.,  2., -5.],
       [ 7., -9., 10.],
       [-6., 12., -7.]])

（该函数使用默认边界条件模式

scipy.ndimage.convolve

，即“反射”）

---

请注意，此行为（除以数据类型的最大值）很可能会随着scikit image 1.0而改变，这正是因为我们注意到它可能会让用户像您的情况一样感到困惑。

欢迎使用堆栈溢出的scikit image线程！这种奇怪行为的原因是

x

的

dtype

是

int64

，而scikit image

laplace

函数调用

img\u as\u float

以进行浮点数计算，但在强制转换数据类型时，它也会将数组除以原始数据类型的最大值（此处为2^63-1），因此值非常小。如果要避免此问题，可以在将图像传递给laplace之前将其转换为float：

>>> x = x.astype(np.float)                                                
>>> filters.laplace(x)                                                    
array([[-4.,  2., -5.],
       [ 7., -9., 10.],
       [-6., 12., -7.]])

（该函数使用默认边界条件模式

scipy.ndimage.convolve

，即“反射”）

---

请注意，此行为（除以数据类型的最大值）很可能会随着scikit image 1.0而改变，这正是因为我们注意到它可能会让用户像您的情况一样感到困惑。

啊，我明白了，谢谢！这解释了很多。作为后续，有没有办法使用

常量的边界条件模式来代替
反射
？我知道
scipy.ndimage.laplace
允许我这样做，但我不确定如何使用
skimage.filters.laplace
。另外，作为一个更广泛的问题，在
scipy.ndimage.laplace
上使用
skimage.filters.laplace
的优点和缺点是什么？很遗憾，您目前无法更改边界模式，但我们会接受添加边界模式的请求s功能！我们这里有一个贡献者指南：或者，请使用功能请求在创建一个问题！=）我不认为skimage的laplace和ndimage之间会有太大的区别。啊，我明白了，谢谢！这解释了很多。作为跟进，是否有办法使用
常量
的边界条件模式而不是
反射
？我知道
scipy.ndimage.laplace
允许我这样做，但我不确定如何使用
skimage.filters.laplace
实现这一点。还有一个更广泛的问题，使用
skimage.filters.laplace
而不是
scipy.ndimage.laplace
的利弊是什么？很遗憾，您目前无法更改边界模式，但我们会接受添加此功能的请求！我们这里有一个贡献者指南：或者，请使用功能请求在创建一个问题！=）我不认为skimage的laplace和ndimage的有多大区别。