⑴ 邊緣檢測 - use Laplace(拉普拉斯)運算元
邊緣檢測是圖像處理中的一種技術，用於識別圖像中的邊界或邊緣。在實際應用中，存在多種邊緣檢測方法，本文將探討兩種主要方法，使用內置方法和使用拉普拉斯運算元進行邊緣檢測。
第一種方法是使用Python中的Pillow庫，該庫提供了圖像處理功能。通過使用ImageFilter.FIND_EDGES，我們可以自動檢測圖像中的邊緣。首先，載入圖像並將其轉換為灰度模式。然後，將圖像傳遞給Image.filter()函數並指定參數ImageFilter.FIND_EDGES，這會應用邊緣檢測內核。結果是邊緣以白色陰影顯示，其餘部分為黑色。
第二種方法更為直接，利用拉普拉斯運算元進行邊緣檢測。拉普拉斯運算元是一種微分運算元，在圖像處理中用於銳化邊緣。它通過計算圖像的二階導數來定位邊緣，效果優於一階導數方法。通過使用Pillow庫中的ImageFilter.Kernel創建自定義拉普拉斯內核，我們可以對圖像進行邊緣檢測。這種方法同樣需要將圖像轉換為灰度模式，並通過Image.filter()函數應用內核。結果是邊緣以白色陰影顯示，其餘部分為黑色。
兩個方法雖然實現方式不同，但結果相同，因為內置的ImageFilter.FIND_EDGES函數實際上使用了3x3大小的拉普拉斯內核。使用拉普拉斯運算元的好處在於靈活性，我們可以根據需要自定義內核，以實現模糊、銳化或其他邊緣檢測目的。同時，拉普拉斯運算元提供了快速且直觀的邊緣檢測結果。然而，其缺點是卷積操作可能導致輸出中出現雜訊，而其他方法如Sobel或Perwitt Operator通過內置的高斯模糊內核解決了這個問題，從而提供更准確的邊緣檢測。