Laplacian 算子对图像中的阶跃性边缘点定位正确，对噪声十分的敏感， 会丢失一部分边缘的方向信息，造成一些不连续的检测边缘。Laplacian 算子是 n 维欧几里德空间中的一个二阶微分算子。 Laplacian 算子的定义：
拉普拉斯提取边缘属于使用二阶导提取边缘，它是一种各向同性的边缘提取算子。各向同性就是指使用这一个算子，就能对任何走向的界线和线条进行锐化，无方向性。而像 sobel 等，它们在提取 x、y 方向的边缘都是使用不同的算子来实现的。这拉普拉斯算子区别于其他一阶微分算子的优点。但是它的缺点相比较于一阶微分就是对噪声敏感。它对孤立像素的响应要比对边缘或线的响应要更强烈，因此只适用于无噪声图像。正因为拉普拉斯算子对孤立点和噪声敏感。我们在使用拉普拉斯算子提取边缘之前，先使用高斯平滑图像，这一过程就是 Laplacian-Gauss（LOG）算子。它把的高斯平滑滤波器和 Laplacian 锐化滤波器结合了起来，先平滑掉噪声，再进行边缘检测，所以效果会更好。