图像处理中的卷积---3.高斯卷积计算梯度

本文介绍了图像处理中计算梯度的概念,使用离散空间的导数计算方法,并阐述了通过卷积特性,特别是使用高斯核计算导数的原因。在实际操作中,通常采用高斯核生成导数核,对图像进行卷积以求得图像的梯度。还提供了一个MATLAB计算图像导数的例子。
摘要由CSDN通过智能技术生成

首先,介绍一下梯度的概念:梯度是一个由函数沿各分项导数组成的向量,式[1],

   [1]

然后,我们来看一下导数的计算,在离散空间中,我们一般会用f(k) - f(k-1)/(k-  (k-1) )来计算导数。

现在我们介绍另外一种基于卷积特性的导数计算方法,由于卷积具有以下性质,[2]

[2]

因而,在图像处理中,一般对gaussian kernel计算导数,得到gd kernel,然后利用gd kernel 对图像卷积处理得到导数。 (选择gaussian kerne

  • 5
    点赞
  • 21
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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