Python中的离散拉普拉斯算子（del2等效）

Question

我需要一个Python / Numpy中和Matlab（Octave）里del2()函数相同的离散拉普拉斯算子。我尝试了几种Python的解决方案，但都没有得到和del2相同的结果。在Octave中，我有

image = [3 4 6 7; 8 9 10 11; 12 13 14 15;16 17 18 19]
del2(image)

这个给出的结果是

   0.25000  -0.25000  -0.25000  -0.75000
  -0.25000  -0.25000   0.00000   0.00000
   0.00000   0.00000   0.00000   0.00000
   0.25000   0.25000   0.00000   0.00000

在Python中，我尝试了

import numpy as np
from scipy import ndimage
import scipy.ndimage.filters
    
image =  np.array([[ 3,  4,  6,  7],
                   [ 8,  9, 10, 11],
                   [12, 13, 14, 15],
                   [16, 17, 18, 19]])
stencil = np.array([[0,  1, 0],
                    [1, -4, 1],
                    [0,  1, 0]])
print ndimage.convolve(image, stencil, mode='wrap')

这给出的结果是

[[ 23  19  15  11]
 [  3  -1   0  -4]
 [  4   0   0  -4]
 [-13 -17 -16 -20]]

我还尝试了

scipy.ndimage.filters.laplace(image)

这给出的结果是

[[ 6  6  3  3]
 [ 0 -1  0 -1]
 [ 1  0  0 -1]
 [-3 -4 -4 -5]]

所以这些输出结果似乎都不一样。Octave代码del2.m表明它是一个拉普拉斯算子。我是不是漏掉了什么？

Answer 1

根据这里的代码

http://cns.bu.edu/~tanc/pub/matlab_octave_compliance/datafun/del2.m

我尝试写了一个Python版本。看起来可以正常工作，欢迎任何反馈。

import numpy as np

def del2(M):
    dx = 1
    dy = 1
    rows, cols = M.shape
    dx = dx * np.ones ((1, cols - 1))
    dy = dy * np.ones ((rows-1, 1))

    mr, mc = M.shape
    D = np.zeros ((mr, mc))

    if (mr >= 3):
        ## x direction
        ## left and right boundary
        D[:, 0] = (M[:, 0] - 2 * M[:, 1] + M[:, 2]) / (dx[:,0] * dx[:,1])
        D[:, mc-1] = (M[:, mc - 3] - 2 * M[:, mc - 2] + M[:, mc-1]) \
            / (dx[:,mc - 3] * dx[:,mc - 2])

        ## interior points
        tmp1 = D[:, 1:mc - 1] 
        tmp2 = (M[:, 2:mc] - 2 * M[:, 1:mc - 1] + M[:, 0:mc - 2])
        tmp3 = np.kron (dx[:,0:mc -2] * dx[:,1:mc - 1], np.ones ((mr, 1)))
        D[:, 1:mc - 1] = tmp1 + tmp2 / tmp3

    if (mr >= 3):
        ## y direction
        ## top and bottom boundary
        D[0, :] = D[0,:]  + \
            (M[0, :] - 2 * M[1, :] + M[2, :] ) / (dy[0,:] * dy[1,:])

        D[mr-1, :] = D[mr-1, :] \
            + (M[mr-3,:] - 2 * M[mr-2, :] + M[mr-1, :]) \
            / (dy[mr-3,:] * dx[:,mr-2])

        ## interior points
        tmp1 = D[1:mr-1, :] 
        tmp2 = (M[2:mr, :] - 2 * M[1:mr - 1, :] + M[0:mr-2, :])
        tmp3 = np.kron (dy[0:mr-2,:] * dy[1:mr-1,:], np.ones ((1, mc)))
        D[1:mr-1, :] = tmp1 + tmp2 / tmp3

    return D / 4

Answer 2

你可以使用 convolve 函数来计算拉普拉斯算子，这个过程是通过将数组和合适的 模板 进行卷积来实现的。

from scipy.ndimage import convolve
stencil= (1.0/(12.0*dL*dL))*np.array(
        [[0,0,-1,0,0], 
         [0,0,16,0,0], 
         [-1,16,-60,16,-1], 
         [0,0,16,0,0], 
         [0,0,-1,0,0]])
convolve(e2, stencil, mode='wrap')

Answer 3

也许你在寻找 scipy.ndimage.filters.laplace() 这个函数（在2023年，它变成了 scipy.ndimage.laplace）。