灰度梯度

1.灰度

用黑色为基准色,不同的饱和度的黑色来显示图像。 每个灰度对象都具有从 0%(白色)到100%(黑色)的亮度值。 使用黑白或灰度扫描仪生成的图像通常以灰度显示。

与像素的关系:一般,像素值量化后用一个字节(8b)来表示。如把有黑-灰-白连续变化的灰度值量化为256个灰度级,灰度值的范围为0~255,表示亮度从深到浅,对应图像中的颜色为从黑到白。黑白照片包含了黑白之间的所有的灰度色调,每个像素值都是介于黑色和白色之间的256种灰度中的一种。

同时, 分辨率和灰度值是 显示器的两个重要技术指标。

2.灰度梯度

把图像看成二维离散函数,灰度梯度其实就是这个二维离散函数的求导,用差分代替微分,求取图像的灰度梯度。常用的一些灰度梯度模板有:Roberts 梯度、Sobel 梯度、Prewitt 梯度、Laplacian 梯度。

对一幅 数字图像 f( x,y),其梯度计算公式:
  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
灰度梯度共生矩阵是一种图像特征提取方法,它将图像的灰度梯度(或边缘)信息结合起来进行分析。与灰度共生矩阵只使用灰度信息相比,灰度梯度共生矩阵利用了图像的灰度梯度信息,从而得到更为全面的特征描述。 在灰度梯度共生矩阵中,首先选择一个像素点及其偏移点作为一个点对,然后计算点对的灰度值。假设图像的最大灰度级为L,则点对的灰度值可以构成L*L种组合。接着统计每种组合在整幅图像中出现的次数,并根据出现的总次数对它们进行归一化,得到灰度梯度共生矩阵。 灰度梯度共生矩阵能够反映图像中像点的灰度梯度(或边缘)之间的相互关系。图像的灰度是构成图像的基础,而梯度则是构成图像边缘轮廓的重要要素。通过分析灰度梯度共生矩阵,我们可以获取到图像的主要信息,特别是图像的边缘轮廓信息。 综上所述,灰度梯度共生矩阵是一种利用图像的灰度梯度信息进行特征提取的方法,通过分析灰度梯度共生矩阵可以获取到图像的边缘轮廓等重要信息。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [灰度共生矩阵&灰度梯度共生矩阵](https://blog.csdn.net/weixin_43897604/article/details/102875745)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值