关于图形学中图像的一阶导数和二阶导数求法

这篇博客介绍了如何在图形学中计算图像的一阶和二阶导数,以用于增强图像和检测边缘。一阶导数通过计算像素亮度变化率确定,使用Sobel算子可提升效果;二阶导数涉及拉普拉斯算子,是边缘检测的重要工具。文章详细展示了计算过程和相关算子的应用。
摘要由CSDN通过智能技术生成

对于图像求一阶导数和二阶导数可以增强图片或者求图像的边缘。

一阶导数:

我们知道在数学中一阶导数的求法为:

                                                                             \frac{\partial f}{\partial x} = \lim_{x\rightarrow 0} \frac{f(x+h)-f(x)}{h}

在图形学中由于图片是按像素来离散组成的,所以最小的h取值为1,所以计算后:

                                                                           \frac{\partial f}{\partial x}=f(x+1)-f(x)

所以图像的一阶导数就是图像亮度的变化率,对于一个灰度图像,他的一阶导数计算如下:

灰度图像矩阵:
a b c
d e f
g h i
那么对于中心像素e:
dx=f-e(或者f-d)
dy=h-e(或者h-i)
当然如果用sobel算子的话
dx=(c+2f+i)-(a+2d+g

  • 7
    点赞
  • 37
    收藏
    觉得还不错? 一键收藏
  • 8
    评论
评论 8
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