收入囊中
- 差分在边缘检测的角色
- Sobel算子
- OpenCV sobel函数
- OpenCV Scharr函数
- prewitt算子
- Roberts算子
葵花宝典
差分在边缘检测到底有什么用呢?先看下面的图片
作为人,我们可以很容易发现图中红圈有边界,边界处肯定是非常明显,变化陡峭的,在数学中,什么可以表示变化的快慢,自然就是导数,微分了。
想像有如下的一维图片。
红圈处变化最陡峭,再看导数图
红圈在最高值,也就是导数可以很好表示边缘,因为变化很剧烈
图像中的Sobel算子
- 是离散差分算子.
- 结合了高斯滤波.
是原始图像:
-
我们计算水平和竖直方向的梯度:
-
水平方向: Gx是我们Kernel size为3的水平sober算子,与I作卷积
-
竖直方向:Gy是我们Kernel size为3的水平sober算子,与I作卷积
-
-
对每个点,再计算下面的值,得到方向无关梯度