深入理解图像处理中的哈密尔顿算子（边缘检测与微分算子）

 

本博客中原来的“图像处理中的数学原理”专栏中之系列文章已由“清华大学出版社”结集出版。目前，《图像处理中的数学修炼》、《图像处理中的数学修炼（第2版）》同时有售——详细介绍图像处理中的数学原理，为你打开一道通往图像世界的数学之门，详细内容及目录请见链接。

在书中已经详细解释了梯度和散度这些数学概念的意义，但这些生涩的定义在最初学习的时候很少有人会注意到它们跟图像能有什么联系。随着学习的深入，当真正接触到图像处理算法时，你又不得不承认，梯度、散度这些东西几乎是无处不在的。本文所介绍的内容就是这些概念在图像处理中的最最简单应用之范例（这部分内容已经收入《图像处理中的数学修炼》中）。它们与边缘检测技术密不可分。

边缘检测与微分算子

边缘和纹理信息是图像中最重要的成分，利用数学的方法对这些成分进行有效提取是我们所要关注的问题。这一节中除了会继续讨论很多跟高斯分布有关的数学原理之外，场论方面的内容也会频繁出现，所以希望读者能够熟练掌握类似梯度、散度这些概念。