【基础】图像梯度

对于数字图像而言，相当于对二维离散函数求梯度，如下：

G(x,y) = dx(i,j) + dy(i,j);

dx(i,j)  = I(i+1,j) - I(i,j);

dy(i,j)  = I(i,j+1) - I(i,j);

梯度的方向是函数f(x,y)变化最快的方向，当图像中存在边缘时，一定有较大的梯度值，相反，当图像中有比较平滑的部分时，灰度值变化较小，则相应的梯度也较小，图像处理中把梯度的模简称为梯度，由图像梯度构成的图像成为梯度图像(we can get the gradient image through computing the gradient of each pixel in the image)

梯度

梯度的本意是一个向量（矢量）。标量场的梯度是一个向量场。标量场中某一点上的梯度指向标量场增长最快的方向，梯度的长度是这个最大的变化率。

1、在单变量的实值函数的情况，梯度只是导数，对于一个线性函数，梯度是线的斜率。