本文介绍了图像梯度的概念，强调了其在图像边缘检测中的重要性。详细讨论了Sobel算子的原理，包括水平和垂直梯度计算，并展示了Sobel算子对图像边缘检测的效果。同时，还讲解了拉普拉斯算子用于边缘检测的理论基础，以及在4邻域和8邻域算子的应用。
图像梯度
图像梯度：一个图像，我们对它的每两个像素相减，减完的结果赋给原来相对应的像素，像素之间的差值所形成的图，我们称之为图像的梯度图像
- 图像边缘
- Sobel算子
- 拉普拉斯算子
1.图像边缘
图像边缘附近的像素差值比较大，比如下图中的头发和脸的交界区域，f(t)表示该区域像素差值的曲线，f’(t)中的极值点反映了像素变化最大的地方，所以，通过图像的一阶导数可以求得图像的边缘
2.Sobel算子
Sobel算子类似卷积中的滤波器，对输入图像进行作用，求得图像的一阶导数，即梯度
水平梯度： G x = [ − 1 0 1 − 2 0 2 − 1 0 1 ] ∗ 1 G_x =\left[ \begin{matrix} -1 & 0 & 1 \\ -2 & 0 & 2 \\ -1 & 0 & 1 \end{matrix}\right]*1 Gx=⎣⎡−1−2−1000121⎦⎤∗1
垂直梯度： G y = [ − 1 − 2 1 0 0 0 1 2 1 ] ∗ 1 G_y =\left[ \begin{matrix} -1 &-2 & 1 \\ 0 & 0 & 0 \\ 1 & 2 & 1 \end{matrix}\right]*1 G<
最低0.47元/天 解锁文章
扫一扫
6万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
