哈密顿算子及拉普拉斯算子的基本性质及证明
- 重要公式
▽⋅(A⃗×B⃗)=B⃗⋅▽×A⃗−A⃗⋅▽×B⃗\triangledown \cdot(\vec A \times \vec B)= \vec B \cdot \triangledown \times\vec A-\vec A\cdot\triangledown\times\vec B ▽⋅(A×B)=B⋅▽×A−A⋅▽×B - 证明
▽=∂∂xe⃗x+∂∂ye⃗y+∂∂ze⃗z\triangledown=\frac{\partial}{\partial x}\vec e_x+\frac{\partial }{\partial y}\vec e_y+\frac{\partial }{\partial z}\vec e_z ▽=∂x∂ex+∂y∂ey+∂z∂ez
A⃗×B⃗=∣e⃗xe⃗ye⃗zAxAyAzBxByBz∣=(AyBz−AzBy)e⃗x+(AzBx−AxBz)e⃗y+(AxBy−AyBx)e⃗z\vec A \times \vec B=\left | \begin{matrix} \vec e_x &\vec e_y &\vec e_z\\ A_x & A_y & A_z\\ B_x & B_y & B_z \end{matrix} \right |\\ =(A_yB_z-A_zB_y)\vec e_x+(A_zB_x-A_xB_z)\vec e_y+(A_xB_y-A_yB_x)\vec e_z A×B=∣∣∣∣∣∣exAxBxeyAyByezAzBz∣∣∣∣∣∣=(AyBz−AzBy)ex+(AzBx−AxBz)ey+(AxBy−AyBx)ez
▽⋅(A⃗×B⃗)=(∂∂xe⃗x+∂∂ye⃗y+∂∂ze⃗z)⋅((AyBz−AzBy)e⃗x+(AzBx−AxBz)e⃗y+(AxBy−AyBx)e⃗z)=∂(AyBz−AzBy)∂x+∂(AzBx−AxBz)∂y+∂(AxBy−AyBx)∂z=∣∂∂x∂∂y∂∂zAxAyAzBxByBz∣\triangledown \cdot(\vec A \times \vec B)=(\frac{\partial}{\partial x}\vec e_x+\frac{\partial }{\partial y}\vec e_y+\frac{\partial }{\partial z}\vec e_z) \cdot\bigg((A_yB_z-A_zB_y)\vec e_x+(A_zB_x-A_xB_z)\vec e_y+(A_xB_y-A_yB_x)\vec e_z\bigg)\\ =\frac{\partial{(A_yB_z-A_zB_y)}}{\partial x}+\frac{\partial{(A_zB_x-A_xB_z)}}{\partial y}+\frac{\partial{(A_xB_y-A_yB_x)}}{\partial z}\\ =\left | \begin{matrix} \frac{\partial}{\partial x}&\frac{\partial }{\partial y}&\frac{\partial }{\partial z}\\ A_x & A_y & A_z\\ B_x & B_y & B_z \end{matrix} \right |\\ ▽⋅(A×B)=(∂x∂ex+∂y∂ey+∂z∂ez)⋅((AyBz−AzBy)ex+(AzBx−AxBz)ey+(AxBy−AyBx)ez)=∂x∂(AyBz−AzBy)+∂y∂(AzBx−AxBz)+∂z∂(AxBy−AyBx)=∣∣∣∣∣∣∂x∂AxBx∂y∂AyBy∂z∂AzBz∣∣∣∣∣∣
B⃗⋅▽×A⃗−A⃗⋅▽×B⃗=B⃗⋅∣e⃗xe⃗ye⃗z∂∂x∂∂y∂∂zAxAyAz∣−A⃗⋅∣e⃗xe⃗ye⃗z∂∂x∂∂y∂∂zBxByBz∣=(Bxe⃗x+Bye⃗y+Bze⃗z)⋅((∂Az∂y−∂Ay∂z)e⃗x+(∂Ax∂z−∂Az∂x)e⃗y+(∂Ay∂x−∂Ax∂y)e⃗z)−(Axe⃗x+Aye⃗y+Aze⃗z)⋅((∂Bz∂y−∂By∂z)e⃗x+(∂Bx∂z−∂Bz∂x)e⃗y+(∂By∂x−∂Bx∂y)e⃗z)=Bx(∂Az∂y−∂Ay∂z)+By(∂Ax∂z−∂Az∂x)+Bz(∂Ay∂x−∂Ax∂y)−(Ax(∂Bz∂y−∂By∂z)+Ay(∂Bx∂z−∂Bz∂x)+Az(∂By∂x−∂Bx∂y))∵Bz∂Ay∂x−By∂Az∂x+Ay∂Bz∂x−Az∂By∂x=(Bz∂Ay∂x+Ay∂Bz∂x)−(By∂Az∂x+Az∂By∂x)=∂(AyBz)∂x−∂(AzBy)∂x=∂(AyBz−AzBy)∂x\vec B \cdot \triangledown \times\vec A-\vec A\cdot\triangledown\times\vec B=\vec B \cdot \left | \begin{matrix} \vec e_x &\vec e_y &\vec e_z\\ \frac{\partial}{\partial x}&\frac{\partial }{\partial y}&\frac{\partial }{\partial z}\\ A_x & A_y & A_z \end{matrix} \right | - \vec A \cdot \left | \begin{matrix} \vec e_x &\vec e_y &\vec e_z\\ \frac{\partial}{\partial x}&\frac{\partial }{\partial y}&\frac{\partial }{\partial z}\\ B_x & B_y & B_z \end{matrix}\right | \\ = (B_x\vec e_x+B_y\vec e_y+B_z\vec e_z)\cdot\bigg( (\frac{\partial A_z}{\partial y}-\frac{\partial A_y}{\partial z})\vec e_x+(\frac{\partial A_x}{\partial z}-\frac{\partial A_z}{\partial x})\vec e_y+(\frac{\partial A_y}{\partial x}-\frac{\partial A_x}{\partial y})\vec e_z \bigg)\\ -(A_x\vec e_x+A_y\vec e_y+A_z\vec e_z)\cdot\bigg( (\frac{\partial B_z}{\partial y}-\frac{\partial B_y}{\partial z})\vec e_x+(\frac{\partial B_x}{\partial z}-\frac{\partial B_z}{\partial x})\vec e_y+(\frac{\partial B_y}{\partial x}-\frac{\partial B_x}{\partial y})\vec e_z \bigg)\\ =B_x( \frac{\partial A_z}{\partial y}-\frac{\partial A_y}{\partial z})+ B_y(\frac{\partial A_x}{\partial z}-\frac{\partial A_z}{\partial x})+ B_z(\frac{\partial A_y}{\partial x}-\frac{\partial A_x}{\partial y})\\ -\bigg(A_x( \frac{\partial B_z}{\partial y}-\frac{\partial B_y}{\partial z})+ A_y(\frac{\partial B_x}{\partial z}-\frac{\partial B_z}{\partial x})+ A_z(\frac{\partial B_y}{\partial x}-\frac{\partial B_x}{\partial y})\bigg)\\ \because B_z\frac{\partial A_y}{\partial x}-B_y\frac{\partial A_z}{\partial x}+ A_y\frac{\partial B_z}{\partial x}- A_z\frac{\partial B_y}{\partial x}= \bigg(B_z\frac{\partial A_y}{\partial x}+ A_y\frac{\partial B_z}{\partial x}\bigg)-\bigg(B_y\frac{\partial A_z}{\partial x}+A_z\frac{\partial B_y}{\partial x} \bigg)\\ =\frac{\partial( A_yB_z)}{\partial x}-\frac{\partial( A_zB_y)}{\partial x}=\frac{\partial( A_yB_z-A_zB_y)}{\partial x} B⋅▽×A−A⋅▽×B=B⋅∣∣∣∣∣∣ex∂x∂Axey∂y∂Ayez∂z∂Az∣∣∣∣∣∣−A⋅∣∣∣∣∣∣ex∂x∂Bxey∂y∂Byez∂z∂Bz∣∣∣∣∣∣=(Bxex+Byey+Bzez)⋅((∂y∂Az−∂z∂Ay)ex+(∂z∂Ax−∂x∂Az)ey+(∂x∂Ay−∂y∂Ax)ez)−(Axex+Ayey+Azez)⋅((∂y∂Bz−∂z∂By)ex+(∂z∂Bx−∂x∂Bz)ey+(∂x∂By−∂y∂Bx)ez)=Bx(∂y∂Az−∂z∂Ay)+By(∂z∂Ax−∂x∂Az)+Bz(∂x∂Ay−∂y∂Ax)−(Ax(∂y∂Bz−∂z∂By)+Ay(∂z∂Bx−∂x∂Bz)+Az(∂x∂By−∂y∂Bx))∵Bz∂x∂Ay−By∂x∂Az+Ay∂x∂Bz−Az∂x∂By=(Bz∂x∂Ay+Ay∂x∂Bz)−(By∂x∂Az+Az∂x∂By)=∂x∂(AyBz)−∂x∂(AzBy)=∂x∂(AyBz−AzBy)
- 同理其他三项可得,证毕
- 哈密尔顿算子首先考虑矢量性再考虑微分性
▽×(μA⃗)=μ▽×A⃗+▽μ×A⃗\triangledown\times(\mu\vec A)=\mu\triangledown\times\vec A+\triangledown\mu\times\vec A ▽×(μA)=μ▽×A+▽μ×A - μ\muμ 是标量函数,取了梯度变为矢量
▽×(▽μ)≡0\triangledown\times(\triangledown\mu)\equiv 0 ▽×(▽μ)≡0
▽μ=∂μ∂xe⃗x+∂μ∂ye⃗y+∂μ∂xe⃗z▽×(▽μ)=∣e⃗xe⃗ye⃗z∂∂x∂∂y∂∂z∂μ∂x∂μ∂y∂μ∂z∣=(∂2μ∂z∂y−∂2μ∂y∂z)e⃗x+⋯=0\triangledown\mu=\frac{\partial \mu}{\partial x}\vec e_x+\frac{\partial \mu}{\partial y}\vec e_y+\frac{\partial\mu}{\partial x}\vec e_z\\ \triangledown\times(\triangledown\mu)=\left | \begin{matrix} \vec e_x &\vec e_y &\vec e_z\\ \frac{\partial}{\partial x}&\frac{\partial }{\partial y}&\frac{\partial }{\partial z}\\ \frac{\partial\mu}{\partial x} & \frac{\partial\mu}{\partial y} & \frac{\partial\mu}{\partial z} \end{matrix} \right |\\ =\bigg(\frac{\partial^2\mu }{\partial z\partial y}-\frac{\partial^2\mu }{\partial y\partial z}\bigg)\vec e_x+\cdots=0 ▽μ=∂x∂μex+∂y∂μey+∂x∂μez▽×(▽μ)=∣∣∣∣∣∣ex∂x∂∂x∂μey∂y∂∂y∂μez∂z∂∂z∂μ∣∣∣∣∣∣=(∂z∂y∂2μ−∂y∂z∂2μ)ex+⋯=0 - 取旋度仍为矢量
▽⋅(▽×A⃗)≡0\triangledown\cdot(\triangledown\times\vec A)\equiv 0 ▽⋅(▽×A)≡0
▽⋅(▽×A⃗)=∣∂∂x∂∂y∂∂z∂∂x∂∂y∂∂zAxAyAz∣=0\triangledown\cdot(\triangledown\times\vec A)= \left | \begin{matrix} \frac{\partial}{\partial x}&\frac{\partial }{\partial y}&\frac{\partial }{\partial z}\\ \frac{\partial}{\partial x}&\frac{\partial }{\partial y}&\frac{\partial }{\partial z}\\ A_x & A_y & A_z \end{matrix} \right | =0 ▽⋅(▽×A)=∣∣∣∣∣∣∂x∂∂x∂Ax∂y∂∂y∂Ay∂z∂∂z∂Az∣∣∣∣∣∣=0 - 两个恒等式在静电场分析和恒定磁场分析里很重要
- 拉普拉斯算子
▽⋅(▽μ)=▽2μ\triangledown\cdot(\triangledown\mu)=\triangledown^2\mu ▽⋅(▽μ)=▽2μ
▽⋅(▽μ)=(∂∂xe⃗x+∂∂ye⃗y+∂∂ze⃗z)(∂μ∂xe⃗x+∂μ∂ye⃗y+∂μ∂xe⃗z)=∂2μ∂x2+∂2μ∂y2+∂2μ∂z2\triangledown\cdot(\triangledown\mu)=(\frac{\partial}{\partial x}\vec e_x+\frac{\partial }{\partial y}\vec e_y+\frac{\partial }{\partial z}\vec e_z)(\frac{\partial \mu}{\partial x}\vec e_x+\frac{\partial \mu}{\partial y}\vec e_y+\frac{\partial\mu}{\partial x}\vec e_z)\\ =\frac{\partial^2\mu }{\partial x^2}+\frac{\partial^2\mu }{\partial y^2}+\frac{\partial^2\mu }{\partial z^2} ▽⋅(▽μ)=(∂x∂ex+∂y∂ey+∂z∂ez)(∂x∂μex+∂y∂μey+∂x∂μez)=∂x2∂2μ+∂y2∂2μ+∂z2∂2μ - 旋了又旋,矢量的拉普拉斯算子
▽×(▽×A⃗)=▽(▽⋅A⃗)−▽2A⃗\triangledown\times(\triangledown\times\vec A)=\triangledown(\triangledown\cdot\vec A)-\triangledown^2\vec A ▽×(▽×A)=▽(▽⋅A)−▽2A
▽×(▽×A⃗)=▽×((∂Az∂y−∂Ay∂z)e⃗x+(∂Ax∂z−∂Az∂x)e⃗y+(∂Ay∂x−∂Ax∂y)e⃗z)=∣e⃗xe⃗ye⃗z∂∂x∂∂y∂∂z(∂Az∂y−∂Ay∂z)(∂Ax∂z−∂Az∂x)(∂Ay∂x−∂Ax∂y)∣=(∂Ay∂x∂y−∂Ax∂2y−∂Ax∂2z+∂Az∂x∂z)e⃗x+(∂Az∂y∂z−∂Ay∂2z−∂Ay∂2x+∂Ax∂y∂x)e⃗y+(∂Ax∂z∂x−∂Az∂2x−∂Az∂2y+∂Ay∂z∂y)e⃗z=(∂Ay∂x∂y+∂Az∂x∂z)e⃗x+(∂Az∂y∂z+∂Ax∂y∂x)e⃗y+(∂Ax∂z∂x+∂Ay∂z∂y)e⃗z−((∂Ax∂2y+∂Ax∂2z)e⃗x+(∂Ay∂2z+∂Ay∂2x)e⃗y+(∂Az∂2x+∂Az∂2y)e⃗z)\triangledown\times(\triangledown\times\vec A)=\triangledown\times\bigg((\frac{\partial A_z}{\partial y}-\frac{\partial A_y}{\partial z})\vec e_x+(\frac{\partial A_x}{\partial z}-\frac{\partial A_z}{\partial x})\vec e_y+(\frac{\partial A_y}{\partial x}-\frac{\partial A_x}{\partial y})\vec e_z\bigg)\\ = \left | \begin{matrix} \vec e_x &\vec e_y &\vec e_z\\ \frac{\partial}{\partial x}&\frac{\partial }{\partial y}&\frac{\partial }{\partial z}\\ (\frac{\partial A_z}{\partial y}-\frac{\partial A_y}{\partial z}) &(\frac{\partial A_x}{\partial z}-\frac{\partial A_z}{\partial x}) &(\frac{\partial A_y}{\partial x}-\frac{\partial A_x}{\partial y}) \end{matrix} \right | \\ =(\frac{\partial A_y}{\partial x\partial y}-\frac{\partial A_x}{\partial^2 y}-\frac{\partial A_x}{\partial^2 z}+\frac{\partial A_z}{\partial x\partial z})\vec e_x\\ +(\frac{\partial A_z}{\partial y\partial z}-\frac{\partial A_y}{\partial^2 z}-\frac{\partial A_y}{\partial^2 x}+\frac{\partial A_x}{\partial y\partial x})\vec e_y\\ +(\frac{\partial A_x}{\partial z\partial x}-\frac{\partial A_z}{\partial^2 x}-\frac{\partial A_z}{\partial^2 y}+\frac{\partial A_y}{\partial z\partial y})\vec e_z\\ =(\frac{\partial A_y}{\partial x\partial y}+\frac{\partial A_z}{\partial x\partial z})\vec e_x+(\frac{\partial A_z}{\partial y\partial z}+\frac{\partial A_x}{\partial y\partial x})\vec e_y+(\frac{\partial A_x}{\partial z\partial x}+\frac{\partial A_y}{\partial z\partial y})\vec e_z\\ -\bigg((\frac{\partial A_x}{\partial^2 y}+\frac{\partial A_x}{\partial^2 z})\vec e_x+(\frac{\partial A_y}{\partial^2 z}+\frac{\partial A_y}{\partial^2 x})\vec e_y+(\frac{\partial A_z}{\partial^2 x}+\frac{\partial A_z}{\partial^2 y})\vec e_z \bigg) ▽×(▽×A)=▽×((∂y∂Az−∂z∂Ay)ex+(∂z∂Ax−∂x∂Az)ey+(∂x∂Ay−∂y∂Ax)ez)=∣∣∣∣∣∣∣ex∂x∂(∂y∂Az−∂z∂Ay)ey∂y∂(∂z∂Ax−∂x∂Az)ez∂z∂(∂x∂Ay−∂y∂Ax)∣∣∣∣∣∣∣=(∂x∂y∂Ay−∂2y∂Ax−∂2z∂Ax+∂x∂z∂Az)ex+(∂y∂z∂Az−∂2z∂Ay−∂2x∂Ay+∂y∂x∂Ax)ey+(∂z∂x∂Ax−∂2x∂Az−∂2y∂Az+∂z∂y∂Ay)ez=(∂x∂y∂Ay+∂x∂z∂Az)ex+(∂y∂z∂Az+∂y∂x∂Ax)ey+(∂z∂x∂Ax+∂z∂y∂Ay)ez−((∂2y∂Ax+∂2z∂Ax)ex+(∂2z∂Ay+∂2x∂Ay)ey+(∂2x∂Az+∂2y∂Az)ez)
▽(▽⋅A⃗)=▽(∂Ax∂x+∂Ay∂y+∂Az∂z)=(∂∂xe⃗x)⋅(∂Ax∂x+∂Ay∂y+∂Az∂z)+⋯=∂Ax∂2xe⃗x+(∂Ay∂y∂x+∂Az∂z∂x)e⃗x+⋯\triangledown(\triangledown\cdot\vec A)=\triangledown\bigg(\frac{\partial A_x}{\partial x}+\frac{\partial A_y}{\partial y}+\frac{\partial A_z}{\partial z}\bigg)\\ =\bigg(\frac{\partial}{\partial x}\vec e_x\bigg)\cdot\bigg(\frac{\partial A_x}{\partial x}+\frac{\partial A_y}{\partial y}+\frac{\partial A_z}{\partial z}\bigg)+\cdots\\ =\frac{\partial A_x}{\partial^2 x}\vec e_x+\bigg(\frac{\partial A_y}{\partial y\partial x}+\frac{\partial A_z}{\partial z\partial x}\bigg)\vec e_x+\cdots ▽(▽⋅A)=▽(∂x∂Ax+∂y∂Ay+∂z∂Az)=(∂x∂ex)⋅(∂x∂Ax+∂y∂Ay+∂z∂Az)+⋯=∂2x∂Axex+(∂y∂x∂Ay+∂z∂x∂Az)ex+⋯
▽2A⃗=▽2Axe⃗x+▽2Aye⃗y+▽2Aze⃗z=(∂2Ax∂x2+∂2Ax∂y2+∂2Ax∂z2)e⃗x+(∂2Ay∂x2+∂2Ay∂y2+∂2Ay∂z2)e⃗y+(∂2Az∂x2+∂2Az∂y2+∂2Az∂z2)e⃗z\triangledown^2\vec A=\triangledown^2A_x\vec e_x+\triangledown^2A_y\vec e_y+\triangledown^2A_z\vec e_z\\ =\bigg(\frac{\partial^2A_x }{\partial x^2}+\frac{\partial^2A_x }{\partial y^2}+\frac{\partial^2A_x }{\partial z^2}\bigg)\vec e_x\\ +\bigg(\frac{\partial^2A_y }{\partial x^2}+\frac{\partial^2A_y }{\partial y^2}+\frac{\partial^2A_y }{\partial z^2}\bigg)\vec e_y\\ +\bigg(\frac{\partial^2A_z }{\partial x^2}+\frac{\partial^2A_z }{\partial y^2}+\frac{\partial^2A_z }{\partial z^2}\bigg)\vec e_z ▽2A=▽2Axex+▽2Ayey+▽2Azez=(∂x2∂2Ax+∂y2∂2Ax+∂z2∂2Ax)ex+(∂x2∂2Ay+∂y2∂2Ay+∂z2∂2Ay)ey+(∂x2∂2Az+∂y2∂2Az+∂z2∂2Az)ez
▽(▽⋅A⃗)−▽2A⃗=∂Ax∂2xe⃗x+(∂Ay∂y∂x+∂Az∂z∂x)e⃗x−(∂2Ax∂x2+∂2Ax∂y2+∂2Ax∂z2)e⃗x+⋯=(∂Ay∂y∂x+∂Az∂z∂x)e⃗x−(∂2Ax∂y2+∂2Ax∂z2)e⃗x+⋯\triangledown(\triangledown\cdot\vec A)-\triangledown^2\vec A\\ =\frac{\partial A_x}{\partial^2 x}\vec e_x+\bigg(\frac{\partial A_y}{\partial y\partial x}+\frac{\partial A_z}{\partial z\partial x}\bigg)\vec e_x-\bigg(\frac{\partial^2A_x }{\partial x^2}+\frac{\partial^2A_x }{\partial y^2}+\frac{\partial^2A_x }{\partial z^2}\bigg)\vec e_x+\cdots\\ =\bigg(\frac{\partial A_y}{\partial y\partial x}+\frac{\partial A_z}{\partial z\partial x}\bigg)\vec e_x-\bigg(\frac{\partial^2A_x }{\partial y^2}+\frac{\partial^2A_x }{\partial z^2}\bigg)\vec e_x+\cdots ▽(▽⋅A)−▽2A=∂2x∂Axex+(∂y∂x∂Ay+∂z∂x∂Az)ex−(∂x2∂2Ax+∂y2∂2Ax+∂z2∂2Ax)ex+⋯=(∂y∂x∂Ay+∂z∂x∂Az)ex−(∂y2∂2Ax+∂z2∂2Ax)ex+⋯
- 其它三项均可证得,证毕
哈密顿算子及拉普拉斯算子的基本性质及证明相关推荐
- 哈密顿算子和拉普拉斯算子 格林公式高斯公式和斯托克斯公式 多重积分的分部积分公式
目录 哈密顿算子(Hamiltionian) ∇\nabla∇ 标量性质 矢量性质 拉普拉斯算子(Laplace) Δ\DeltaΔ 标量性质 矢量性质 格林公式高斯公式和斯托克斯公式 多重积分的分部 ...
- 拉普拉斯算子的疑惑--拉普拉斯算子作用于矢量和定义Hessian矩阵时遇到的问题
拉普拉斯算子的疑惑 国内许多工科教材在讲到有关拉普拉斯算子(Δ\DeltaΔ)与哈密顿算子(∇\nabla∇)的内容时含混不清,忽略了许多重要定义,使得一些进一步的推导难以理解 现记录我发现的两个主要 ...
- OpenCV-数字图像处理之拉普拉斯算子
OpenCV-数字图像处理之拉普拉斯算子 Laplace算子和Sobel算子一样,属于空间锐化滤波操作.起本质与前面的Spatial Filter操作大同小异,下面就通过Laplace算子来介绍一下空 ...
- 已知坐标求方位角_震惊,up主居然能默写球坐标拉普拉斯算子!
首先说明一下,我并不是标题党(滑稽.jpg),既然起了这个标题,就一定会教大家怎样默写球.柱坐标下的拉普拉斯算子.散度旋度这样根本记不住的东西,不过在这之前,我们需要回顾或者了解一些知识,当然直接跳到 ...
- 离散拉普拉斯算子与LOG推导
目录 离散拉普拉斯算子的推导 高斯拉普拉斯算子的推导 离散拉普拉斯算子的推导 连续函数的拉普拉斯算子如下: ∇2f=∂2f∂x2+∂2f∂y2\nabla^{2} f=\frac{\partial^{ ...
- 数字图像处理之拉普拉斯算子
OpenCV-跟我一起学数字图像处理之拉普拉斯算子 Laplace算子和Sobel算子一样,属于空间锐化滤波操作.起本质与前面的Spatial Filter操作大同小异,下面就通过Laplace算子来 ...
- 算法设计与智能计算 || 专题八: 拉普拉斯算子与图拉普拉斯
拉普拉斯算子与图拉普拉斯 文章目录 拉普拉斯算子与图拉普拉斯 1. 拉普拉斯基本概念与计算 1.1 哈密尔顿算子 1.2 梯度(gradient) 1.3 散度(divergence) 1.4 拉普拉 ...
- python 拉普拉斯锐化_OpenCV-python 实现基于拉普拉斯算子的图像锐化
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 ...
- Laplace(拉普拉斯)算子
目录 拉普拉斯算子 高斯-拉普拉斯算子 拉普拉斯算子 Laplace算子作为边缘检测之一,和Sobel算子一样也是工程数学中常用的一种积分变换,属于空间锐化滤波操作.拉普拉斯算子(Laplace Op ...
最新文章
- mysql python is not installed_最全的解决安装MySQL-Python出现的问题: pip install MySQl-Python 出现:下列问题...
- 一个箱子的梦想_长葛这中学“建”了一个“梦想厅”……
- LeetCode每日一题:比特位计数(No.338)
- 黄聪:解决wordpress定时发布文章失败”丢失计划任务”的插件
- hexo 炫酷主题配置
- 计算机考研考心理学,跨专业考研心理学研究生好考吗
- SAP——ABAP报表的一般格式
- java实现生命游戏(2维元胞自动机)
- 解读滴滴招股书:提供“移动“价值的全球共享经济企业潜力几何?
- JSON的正确格式及JSON与实体类相互转换
- css特殊边框形状_了解CSS边框角形状
- git:历史版本回滚、重新回到最新版本及取消修改内容
- 逆水寒服务器维护到什么时候,逆水寒11月1日更新到什么时候_维护到几点
- 冰刃·笔记 | 勒索病毒的10%和90%等式
- UR机器人数据包解析(python与C++实现)
- emacs 使用集锦
- 正交频分复用中的正交问题
- debug和汇编编译器masm对指令不同的处理
- (精华2020年6月2日更新) TypeScript的数据类型
- SLsec题目wp(2)