一、基础知识
积分运算的模板卷积可以平滑图像，微分运算的模板卷积可以锐化图像
拉普拉斯算子是一种各向同性的二阶微分算子，根据定义有：
说明：各向同性指图像的性质不会因为方向不同而变化。
将两个分别沿X和Y方向方向的二阶偏导数分别借助差分计算：
由上式则可知4-邻域的拉普拉斯算子模板的各个系数，同理可知8-邻域的拉普拉斯算子模板的各个系数，如下图：
说明：
两种模板的所有系数之和均为0，这是为了经过模板运算所得的结果图像均值不变。
使用该模板有可能使输出灰度值小于0，还需将灰度值范围通过变换变回到[0,L-1]区间才能正确显示出来。
拉普拉斯算子增强了图像中的灰度不连续边缘，而减弱了对应图像中灰度值缓慢变化区域的对比度，将这样的结果叠加到原始图像上就能得到锐化后的图像。
二、代码实现
几个需要说明的函数：
cv2.Laplacian(src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]])
src——源图像
ddepth——目标图像的所需深度(指存储每个像素所用的位数，也用于量度图像的色彩分辨率)
import cv2
import matplotlib.pyplot as plt
#显示函数
def showImages(images):
for i in range(len(images)):
img = images[i]
title = "("+str(i+1)+")"
#行，列，索引
plt.subplot(2, 3, i+1)
plt.imshow(img, cmap="gray")
plt.title(title,fontsize=10)
plt.xticks([])
plt.yticks([])
plt.show()
#主函数
if __name__ == "__main__":
image = cv2.imread("graysenery.jpg", 0)
imageLap3 = cv2.Laplacian(image,cv2.CV_64F, ksize=3)
imageLap5 = cv2.Laplacian(image, cv2.CV_64F, ksize=5)
imageLap7 = cv2.Laplacian(image, cv2.CV_64F, ksize=7)
imageLap9 = cv2.Laplacian(image, cv2.CV_64F, ksize=9)
imageLap11 = cv2.Laplacian(image, cv2.CV_64F, ksize=11)
images = [image, imageLap3, imageLap5, imageLap7, imageLap9, imageLap11]
showImages(images)
