OpenCV cv2.Laplacian()函数实际使用的卷积核是哪种？

你观测到的实测核和理论标准核不符的问题，来自于对该函数ksize参数实现逻辑的误解，具体规则如下：

• 函数的核生成逻辑分两种完全独立的分支：
  • 当传入ksize=1时，才会使用绝大多数教材中提到的标准四邻域3×3拉普拉斯核：

    [[0, 1, 0],
     [1, -4, 1],
     [0, 1, 0]]
    

  • 当传入ksize>1时，函数不会使用固定的拉普拉斯掩模，而是按照官方定义的逻辑：先用Sobel算子分别计算图像x、y方向的二阶导数，再将两个结果相加得到最终拉普拉斯响应。
• 你测试时用的ksize=3走的是第二个分支，等效卷积核可以通过Sobel的可分离核规则直接推导：
  3×3规格的Sobel算子内置了垂直于导数方向的二项式平滑（权重为[1,2,1]，近似小σ高斯平滑），一维二阶导数的权重为[1,-2,1]，分别计算两个方向的二阶导核再相加：
  1. x方向二阶导核（y方向带平滑）为：

     [[ 1, -2,  1],
      [ 2, -4,  2],
      [ 1, -2,  1]]
     

  2. y方向二阶导核（x方向带平滑）是上述核的转置：

     [[ 1,  2,  1],
      [-2, -4, -2],
      [ 1,  2,  1]]
     

  3. 两个核相加后得到的等效3×3掩模，和你单脉冲测试得到的结果完全一致：

     [[ 2,  0,  2],
      [ 0, -8,  0],
      [ 2,  0,  2]]
     

• 这个带平滑的拉普拉斯核本身是符合设计预期的：相比无平滑的标准3×3拉普拉斯核，它对噪声的鲁棒性更高，但邻域权重分布、响应幅值都和固定核存在明显差异，使用时需要注意。
• 如果需要使用标准的四邻域/八邻域3×3拉普拉斯核，可以选择两种方案：
  1. 设置ksize=1调用cv2.Laplacian()，直接得到四邻域核的卷积结果；
  2. 手动构造需要的卷积核（比如八邻域核[[-1,-1,-1],[-1,8,-1],[-1,-1,-1]]），调用cv2.filter2D()完成卷积计算即可。

内容的提问来源于stack exchange，提问作者javid