灰度图像--图像分割 Sobel算子

学习DIP第44天

转载请标明本文出处：http://blog.csdn.net/tonyshengtan，欢迎大家转载，发现博客被某些论坛转载后，图像无法正常显示，无法正常表达本人观点，对此表示很不满意。有些网站转载了我的博文，很开心的是自己写的东西被更多人看到了，但不开心的是这段话被去掉了，也没标明转载来源，虽然这并没有版权保护，但感觉还是不太好，出于尊重文章作者的劳动，转载请标明出处！！！！

文章代码已托管，欢迎共同开发：https://github.com/Tony-Tan/DIPpro

更多细节参考：http://tony4ai.com/categories/数字图像处理/

开篇废话

          废话开始，Sobel我们并不陌生，之前在图像增强的时候也已经介绍了它的作用，并且还杜撰了一下它的来历，也就是用Robert平移相加（类似于相关或卷积），下面可以给出Sobel的另一个来源，因为Sobel数学推导的过程和资料很少，而且当时提出Sobel的时候应该也是没有数学论证的，而只是简单的实验后，发现效果非常好。

       我们还要介绍下扩展Sobel算子，Sobel原始模型为标准3x3模板，但可以扩展成5x5到任意奇数x奇数的大小，而模板系数的确定可以根据帕斯卡三角来计算，真的很神奇。Sobel之后延伸出了Scharr算子，这个算子也为3x3算子，但是效果据说比3x3的Sobel好，后面文章将会给出具体对比。

算子形式

      内容迁移至

http://www.face2ai.com/DIP-6-4-灰度图像-图像分割-Sobel算子/

http://www.tony4ai.com/DIP-6-4-灰度图像-图像分割-Sobel算子/