OpenCV使用Laplace算子进行图像锐化

在介绍的各种滤波器中包含了平滑滤波器（即低通滤波器）。它主要用于平滑图像并抑制噪声。与之相对地来说，则主要是通过增强图像的变化、细节以及边缘来提升效果。

平滑滤波器主要通过计算邻域像素的均值（包括中值或积分）来替代模板中心像素的位置；这种方法能够减弱与邻域区域之间的差异并实现对图像表面的光滑化处理以及有效地抑制噪声干扰；而模糊图像则被视为一种低通滤波过程的表现形式

锐化运算则基于像素邻域进行差异计算，并通过增强相邻像素之间的差异程度来突出图像中突变区域的空间特征。其主要功能在于增强图像边缘与轮廓的信息，并通常被归类为一种[高通][滤波器]：

一阶微分

二阶微分

大学课程中的高等数学知识终于在实际应用中逐渐显现其重要性。一阶导数能够描述函数斜率的变化情况，在分析函数单调性和极值时发挥关键作用；而二阶导数则描述了该曲线的曲率变化趋势，在研究函数凹凸性和拐点识别方面具有重要意义