一直以来,在处理边缘检测问题的时候,都是把卷积核拿过来,与原图像做一个卷积操作,求取各个位置的梯度值,然后设置一个阈值,就得到了图像的边缘。
算法实现起来倒是很简单,但却一直对背后的数学模型不甚理解。最近查阅资料,有一点点感悟,不一定准确,如有错误求指正,谢谢。
梯度,是一个向量,既有大小,也有方向。表示的是某一个函数在该点处的方向导数沿着该方向(梯度方向)取得最大值(梯度的模),即在梯度方向上变化最快,变化率最大。
而对于图像来说,边缘就是图像灰度发生急剧变化的区域边界,因为对应到数学模型上,就是找变化率较大的点,即梯度的模。若模大于阈值,则为边界,否则为轮廓。
总结:边缘检测在数学上的含义:基于梯度的滤波器。
附上:一阶,二阶导数含义的链接