基于拉普拉斯算子、sobel算子的边缘检测，同时包含伽马变换、均值滤波、图片相乘，用MFC写的界面，有注释，适合初学者。

matlab+ann源码适用于心室纤维的 LDRB 方法 这是用于生成心室纤维的基于拉普拉斯-狄利克雷规则 (LDRB) 算法的 MATLAB 实现。 原始算法 [] 适用于消除自由壁中纤维的不连续性，并产生与透壁拉普拉斯解成正比的纤维旋转（在壁上近似线性）。 依赖关系 运行以安装依赖项 [,]。 例子 运行以生成示例性双心室几何结构的纤维。 执照 所有源代码均受 GPL-3.0 许可条款的约束。 版权所有 2021 Steffen Schuler，卡尔斯鲁厄理工学院。 接触 史蒂芬舒勒生物医学工程研究所卡尔斯鲁厄理工学院 参考

本实验探讨了如何使用拉普拉斯来达到图像的增强效果（图像锐化）。

% 示例 1 f1 = @(t) t.^2; Lapf1 = @(s) LapTrans(f1,s); sc = 1:0.1:10; sp = 1:10; yc = 2./sc.^3; yp = arrayfun(Lapf1, sp); 图1） 情节（sc，yc，'r'，sp，yp，'*'）； Legend('精确变换', '近似变换'); title('数值拉普拉斯变换 (t^2)') % 示例 2 f1 = @(t) sin(t); Lapf1 = @(s) LapTrans(f1,s); sc = 1:0.1:10; sp = 1:10; yc = 1./(1 + sc.^2); yp = arrayfun(Lapf1, sp); 图(2) 情节（sc，yc，'r'，sp，yp，'*'）; Legend('精确变换', '近似变换'); title（'数字拉普拉斯变换（sin（

不同的低维嵌入是一个正交坐标系，由1. 数据上定义的扩散过程2 . 归一化拉普拉斯贝尔特拉米算子3. 归一化 Focker Plank 算子 这是一种使用流形学习概念的非线性降维技术。 图像是彩色编码的。 （使用此算法使用归一化 Focker Plank 算子的前三个非平凡特征函数对每个 2 维的 2 个数据集进行聚类）

基于拉普拉斯金字塔与PCNN-SML的图像融合算法

来自ieee，是基于局部特征识别的拉普拉斯脸识别，比pca lda 有更高的识别率，容易实现！

几种常见边缘检测算子（ Sobel、Prewitt、Canny、Robert、拉普拉斯算子）的相关知识、原理和比较，绝对值得您的资源分

实施 Varghese、贾斯汀、Saudia Subash、Nasser Tairan 和 Bijoy Babu。 “基于拉普拉斯算子的频域滤波器，用于恢复被周期性噪声破坏的数字图像。” 加拿大电气和计算机工程杂志 39，没有。 2 (2016): 82-91。

该代码使用以下显式公式计算 Dirichlet、Neumann 和 Periodic 边界条件组合的矩形有限差分网格上 (1-3)D 负拉普拉斯算子的精确特征对http://en.wikipedia.org/wiki/Eigenvalues_and_eigenvectors_of_the_second_derivative 该代码还可以使用一维拉普拉斯算子的 Kronecker 和来计算稀疏矩阵本身。 有关张量和的更多信息，请参阅http://en.wikipedia.org/wiki/Kronecker_sum_of_discrete_Laplacians 例如，计算具有混合边界条件的 3D 负拉普拉斯算子的所有内容： [lambda，V，A] = laplacian（[100,45,55]，{'DD''NN''P'}，20）; 仅计算特征值： lambda = laplacian(