微分滤波器总结

微分滤波器

本质：逻辑上，平滑使用的是积分，锐化则应使用微分。

1.索贝尔（Sobel）导数

索贝尔算子可以实现任意阶导数和混合偏导数。
本质：求得图像的一阶或二阶近似梯度图像。

void Sobel( InputArray src, OutputArray dst, int ddepth,
                         int dx, int dy, int ksize = 3,
                         double scale = 1, double delta = 0,
                         int borderType = BORDER_DEFAULT );
参数：src：源图像。
dst：目标图像。
ddepth：图像的深度和类型。
dx：x方向求导次数。
dy：y方向求导次数。
ksize：滤波器尺寸。
scale：结果线性处理系数。
delta：结构偏移处理系数。
borderType：边界添加类型。
其中：dst=sacle*dst1+delta

以求图像一阶梯度图像，最小模板即3X3为例：
首先：离散函数x,y方向上的梯度大小为

二维梯度大小为：

实际计算时：常常取：


最终：

从离散函数求导的角度来说，核的size越大自然越接近导数，但对于像素值剧烈变换的像素点来说，大Size反而会使结果发生较大偏差。

2.Scharr滤波器

类似于Sobel，只不过核的Size被固定为3x3。

void Scharr( InputArray src, OutputArray dst, int ddepth,
                          int dx, int dy, double scale = 1, double delta = 0,
                          int borderType = BORDER_DEFAULT );
参数：src：源图像。
dst：目标图像。
ddepth：图像的深度和类型。
dx：x方向求导次数。
dy：y方向求导次数。
scale：结果线性处理系数。
delta：结构偏移处理系数。
borderType：边界添加类型

3. 拉普拉斯变换

由微分的图像信息得知：图像的一阶微分产生较粗的边缘，二阶微分产生由零分开的一个像素宽的双边缘。在增强细节方面二阶微分比一阶微分好得多。
拉普拉斯算子（二阶微分）：

拉普拉斯算子应用：突出被大值包围的点或者被小值包围的点。同时可用于边缘检测。

    void Laplacian( InputArray src, OutputArray dst, int ddepth,
                                 int ksize = 1, double scale = 1, double delta = 0,
                                 int borderType = BORDER_DEFAULT );

参数：src：源图像。
dst：目标图像。
ddepth：图像的深度和类型。
ksize：核尺寸。
scale：结果线性处理系数。
delta：结构偏移处理系数。
borderType：边界添加类型