Harris算子的一個缺點是不具有尺度不變性，所以引入了另一種檢測算子：高斯拉普拉斯算子。
LoG算子
前面提到過高斯一階導，其作用是檢測邊緣（邊緣區域高斯一階導數取得極值），那麼對一階導數繼續求導得到二階導數，可想而知，一階導數的極值點就是二階導數的0點。進而可以通過尋找二階導數的0點（亦或是接近於0的點），去尋找圖片的梯度（邊緣）。
拉普拉斯算子的表示式：
或者：
LoG曲線
對高斯函數進行二階求導
曲線圖
尺度歸一化
在LoG前面加變換率，就變成了LoG歸一化：
非極大值抑制
LoG檢測完一塊區域後，爲避免後續出現重複檢測，一般採用非極大值抑制方式：非極大值點置爲0。
LoG的處理流程
斑點檢測
LoG取極值的點，就是要找的斑點。
利用LoG進行濾波，得到的邊緣檢測圖：
代碼
（略）