针对现有梯度算子在图像边缘检测中存在的对噪声比较敏感的问题，提出了一种改进的高斯—拉普拉斯算子的边缘检测方法。噪声图像中的边缘检测是一项关键任务，然而目前常用的几种梯度算子，包括已经提出的高斯—拉普拉斯算子都没能取得理想效果。提出的方法对传统的拉普拉斯边缘检测算子作了改进，并与高斯滤波器相结合，应用高斯滤波器平滑图像，抑制噪声，再基于拉普拉斯梯度边缘检测器进行边缘检测。最后，在imagenet数据集中选取了10幅图像进行实验，将提出的高斯梯度边缘检测器与传统的边缘检测器进行比较。评估结果显示，提出的方法所获得的峰值信噪比（PSNR）高于对比算法，而均方误差（MSE）更小。实验结果表明，提出的方法在实际应用中能够有效提高噪声图像边缘检测的质量。

该包通过对由高斯滤波器（即 LoG）平滑的图像使用二阶导数来检测边缘。

基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别

采用积分图进行加速，实现与滤波窗口大小无关的效率 与OpenCV的boxFilter函数比较计算速度，并分析导致速度差异的原因

物体的边缘是图像局部变化的重要特征,以不连 续性的形式出现,通常用方向和幅度描述图像的边缘 特性。一般来讲,沿边缘走向的像素变换平缓,而垂 直于边缘走向的像素变化剧烈。基于边缘检测的基 本思想是先检测图像中的边缘点,再按一定策略连接 成轮廓,从而构成边缘图像。

边缘检测VS2017编译通过，可直接运行 包括 Roberts边缘算子 Sobel边缘检测算子 Prewitt边缘检测算子 Kirsch边缘检测算子 拉普拉斯算子 高斯拉普拉斯算子

HBuilderX自述.md

opencv身份证图片高斯模糊(java版含依赖库，可运行)， opencv3-java

java版高斯图片模糊，不含依赖库，可运行。java-Gaussian.zip

windows下gsl动态库