图像梯度

图像梯度

概念：图像梯度计算的是图像变换的速度。对于图像的边缘部分，其灰度值变化较大，梯度值也较大；相反，对于图像中比较平滑的部分，其灰度值变化较小，相应的梯度值也较小。一般情况下，图像梯度计算的是图像边缘信息。
严格来讲，图像梯度计算需要求导数，但是图像梯度一般通过计算像素值的差来得到梯度的近似值（近似导数值）。
例如，下图的左右两幅图分别描述了图像的水平边界和垂直边界。
针对左图，通过垂直方向的线条A和线条B的位置，可以计算图像水平方向的边界 ；

• 对于线条A和线条B，其右侧像素值与左侧像素值的差值不为零，因此是边界。
• 对于其余列，其右侧像素值与左侧像素值的差值均为零，因此不是边界。
  针对右图，通过水平方向的线条A和线条B的位置，可以计算图像垂直方向的边界
• 对于线条A和线条B，其下侧像素值与上侧像素值的差值不为零，因此是边界。
• 对于其余行，其下侧像素值与上侧像素值的差值均为零，因此不是边界。

将上述运算关系进一步优化，可以得到更复杂的边缘信息。

Sobel理论基础
Sobel算子是一种离散的微风算子，该算子结合了高斯平滑和微分求导运算。该算子利用局部差分寻找边缘，计算所得的是一个梯度的近似值。
sobel算子，主要用作边缘检测，是离散差分算子，用来运算图像梯度函数的灰度近似值。在图像的任何一点使用此算子，将会产生对应的梯度矢量或者法矢量。

需要说明的是，滤波器通常是指由一幅图像根据像素点（X,Y）临近的区域计算得到另外一幅新图像的算法。因此滤波器是由领域及预定义的操作构成的。