图像处理中的一阶偏导数和二阶偏导数

 1. 一阶差分：

 

2. 二阶偏导数的推导和近似：

 

3. 上式以点（i+1，j）为中心，用i代换i+1可得以（i,j）为中心的二阶偏导数则有：

 

4. 同理：

 

5. 进而可推导：

 

6. 这样我们就可以很好的运用其他的一阶偏导的定义，如SIFT特征OpenCV实现版本中的一阶以及二阶偏导：

[cpp]  view plain  copy

1. /* 
2. Computes the partial derivatives in x, y, and scale of a pixel in the DoG 
3. scale space pyramid. 
4.  
5. @param dog_pyr DoG scale space pyramid 
6. @param octv pixel's octave in dog_pyr 
7. @param intvl pixel's interval in octv 
8. @param r pixel's image row 
9. @param c pixel's image col 
10.  
11. @return Returns the vector of partial derivatives for pixel I 
12.     { dI/dx, dI/dy, dI/ds }^T as a CvMat* 
13. */  
14. static CvMat* deriv_3D( IplImage*** dog_pyr, int octv, int intvl, int r, int c )  
15. {  
16.     CvMat* dI;  
17.     double dx, dy, ds;  
18.   
19.     dx = ( pixval32f( dog_pyr[octv][intvl], r, c+1 ) -  
20.         pixval32f( dog_pyr[octv][intvl], r, c-1 ) ) / 2.0;  
21.     dy = ( pixval32f( dog_pyr[octv][intvl], r+1, c ) -  
22.         pixval32f( dog_pyr[octv][intvl], r-1, c ) ) / 2.0;  
23.     ds = ( pixval32f( dog_pyr[octv][intvl+1], r, c ) -  
24.         pixval32f( dog_pyr[octv][intvl-1], r, c ) ) / 2.0;  
25.   
26.     dI = cvCreateMat( 3, 1, CV_64FC1 );  
27.     cvmSet( dI, 0, 0, dx );  
28.     cvmSet( dI, 1, 0, dy );  
29.     cvmSet( dI, 2, 0, ds );  
30.   
31.     return dI;  
32. }  
33.   
34.   
35.   
36. /* 
37. Computes the 3D Hessian matrix for a pixel in the DoG scale space pyramid. 
38.  
39. @param dog_pyr DoG scale space pyramid 
40. @param octv pixel's octave in dog_pyr 
41. @param intvl pixel's interval in octv 
42. @param r pixel's image row 
43. @param c pixel's image col 
44.  
45. @return Returns the Hessian matrix (below) for pixel I as a CvMat* 
46.  
47.     / Ixx  Ixy  Ixs / <BR> 
48.     | Ixy  Iyy  Iys | <BR> 
49.     / Ixs  Iys  Iss / 
50. */  
51. static CvMat* hessian_3D( IplImage*** dog_pyr, int octv, int intvl, int r, int c )  
52. {  
53.     CvMat* H;  
54.     double v, dxx, dyy, dss, dxy, dxs, dys;  
55.   
56.     v = pixval32f( dog_pyr[octv][intvl], r, c );  
57.     dxx = ( pixval32f( dog_pyr[octv][intvl], r, c+1 ) +   
58.             pixval32f( dog_pyr[octv][intvl], r, c-1 ) - 2 * v );  
59.     dyy = ( pixval32f( dog_pyr[octv][intvl], r+1, c ) +  
60.             pixval32f( dog_pyr[octv][intvl], r-1, c ) - 2 * v );  
61.     dss = ( pixval32f( dog_pyr[octv][intvl+1], r, c ) +  
62.             pixval32f( dog_pyr[octv][intvl-1], r, c ) - 2 * v );  
63.     dxy = ( pixval32f( dog_pyr[octv][intvl], r+1, c+1 ) -  
64.             pixval32f( dog_pyr[octv][intvl], r+1, c-1 ) -  
65.             pixval32f( dog_pyr[octv][intvl], r-1, c+1 ) +  
66.             pixval32f( dog_pyr[octv][intvl], r-1, c-1 ) ) / 4.0;  
67.     dxs = ( pixval32f( dog_pyr[octv][intvl+1], r, c+1 ) -  
68.             pixval32f( dog_pyr[octv][intvl+1], r, c-1 ) -  
69.             pixval32f( dog_pyr[octv][intvl-1], r, c+1 ) +  
70.             pixval32f( dog_pyr[octv][intvl-1], r, c-1 ) ) / 4.0;  
71.     dys = ( pixval32f( dog_pyr[octv][intvl+1], r+1, c ) -  
72.             pixval32f( dog_pyr[octv][intvl+1], r-1, c ) -  
73.             pixval32f( dog_pyr[octv][intvl-1], r+1, c ) +  
74.             pixval32f( dog_pyr[octv][intvl-1], r-1, c ) ) / 4.0;  
75.   
76.     H = cvCreateMat( 3, 3, CV_64FC1 );  
77.     cvmSet( H, 0, 0, dxx );  
78.     cvmSet( H, 0, 1, dxy );  
79.     cvmSet( H, 0, 2, dxs );  
80.     cvmSet( H, 1, 0, dxy );  
81.     cvmSet( H, 1, 1, dyy );  
82.     cvmSet( H, 1, 2, dys );  
83.     cvmSet( H, 2, 0, dxs );  
84.     cvmSet( H, 2, 1, dys );  
85.     cvmSet( H, 2, 2, dss );  
86.   
87.     return H;  
88. }  

 

参考：

（1）http://hi.baidu.com/shareshow/blog/item/34abdf544725cf54d109069b.html

（2）SIFT的OpenCV实现