本文介绍了Canny边缘检测算法中的图像梯度计算，通过数学定义解释了梯度的概念，并详细说明了Sobel算子在求取图像梯度过程中的应用。使用Sobel算子对图像进行卷积，以获取像素点的x和y方向梯度，进而计算梯度幅值和方向。最后，文章提供了在MATLAB中实现代码的简要说明。
图像梯度的提出
对图像进行过高斯平滑滤波后，图像的部分高斯噪声会降低，锐度也会减弱，但是此时图像的边缘分解不太明显，变化的灰度变化不太强烈，不太容易捕捉。因此，为了去定义这种边缘灰度变化的大小，提出图像梯度，用梯度的大小去表示边缘灰度变换的大小。
梯度的数学定义
梯度即是一个向量（矢量），表示某一函数在该点处的方向导数沿着该方向取得最大值，即函数在该点处沿着该方向（此梯度的方向）变化最快，变化率最大（为该梯度的模）。即导数（梯度），那么对于图像来说，把图像当作函数 f ( x , y ) f(x,y) f(x,y)，用微分去表示图像的变化率。由于图象是二维函数，故求偏导。
soble算子
s x = [ 1 0 − 1 2 0 − 2 1 0 − 1 ] , s y = [ 1 2 1 0 0 0 − 1 − 2 − 1 ] s_{x}=\begin{bmatrix} 1&0&-1\\ 2&0&-2\\ 1&0&-1\\ \end{bmatrix},s_{y}=\begin{bmatrix} 1&2&1\\ 0&0&0\\ -1&-2&-1\\ \end{bmatrix} sx=⎣⎡121000−1−2−1⎦⎤,sy=⎣⎡10−120−210−1⎦⎤
图像梯度的计算
由于图像是离散的，即 f ( x , y ) f(x,y) f(x,y)是一个离散函数，故计算梯度时，变化的最小单位为1。对一幅图像，有 x 方 向 ， y 方 向 x方向，y方向 x方向，y方
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
