数学基础 -- 图像处理之Sobel卷积核推导过程

Sobel 卷积核推导过程

1. 理论背景：导数的离散近似

在连续情况下，函数 $I(x)$ 的导数 $\frac{dI}{dx}$ 定义为：

$$\frac{dI}{dx}=\underset{\Delta x\to 0}{\lim }\frac{I(x+\Delta x)-I(x)}{\Delta x}$$

在数字图像处理中，图像 $I$ 是离散的，无法直接计算导数。通常使用差分来近似导数。最简单的近似方式有以下几种：

• 前向差分：
  $$\frac{dI}{dx}\approx I(x+1)-I(x)$$

• 后向差分：
  $$\frac{dI}{dx}\approx I(x)-I(x-1)$$

• 中心差分（更精确）：
  $$\frac{dI}{dx}\approx \frac{I(x+1)-I(x-1)}{2}$$

中心差分的形式被认为是更精确的，因为它考虑了左右两侧的变化。

2. Sobel 核的推导

Sobel 核不仅仅是简单的差分运算，它结合了差分和图像的平滑处理，能够更好地抗噪声。在 x 方向的 Sobel 核可以通过以下步骤推导：

(1) 中心差分核

首先，考虑在 $x$ 方向上的梯度。使用中心差分的形式，可以得到一个简单的差分核：

$$\text{中心差分核}=\left[\begin{array}{ccc}-1& 0& 1\end{array}\right]$$

这个 1x3 核可以用于计算图像每一行的梯度。

(2) 平滑处理

直接使用上述的简单差分核对图像进行操作，可能会对噪声非常敏感。为了减弱噪声影响，Sobel 核通过对 y 方向进行加权平滑处理，结合了一个简单的平滑核：

$$\text{平滑核}=\left[\begin{array}{c}1\\ 2\\ 1\end{array}\right]$$

(3) 组合差分和平滑核

为了得到 x 方向的 Sobel 核，我们将差分核和平滑核组合起来：

$$\text{Sobel 核 (x方向)}=\left[\begin{array}{ccc}-1& 0& 1\\ -2& 0& 2\\ -1& 0& 1\end{array}\right]$$

这个核是通过将平滑核与差分核的每个元素相乘得到的。

• 第 1 行：平滑核的第 1 元素乘以差分核（-1, 0, 1）
• 第 2 行：平滑核的第 2 元素乘以差分核（-2, 0, 2）
• 第 3 行：平滑核的第 3 元素乘以差分核（-1, 0, 1）

3. 解释 Sobel 核的形式

$$S_x=\left[\begin{array}{ccc}-1& 0& 1\\ -2& 0& 2\\ -1& 0& 1\end{array}\right]$$

• 差分：核的第一列为负，第三列为正，表示对 $x$ 方向求导（即求横向变化率）。
• 平滑：核的中心行权重较大，外侧行权重较小，这相当于在垂直方向上进行平滑处理，减小噪声影响。

4. Y方向的 Sobel 核

通过相同的推导方法，可以得到 y 方向上的 Sobel 核，交换了 x 方向和 y 方向的操作：

$$S_y=\left[\begin{array}{ccc}-1& -2& -1\\ 0& 0& 0\\ 1& 2& 1\end{array}\right]$$

总结

Sobel 核是通过结合中心差分和加权平滑核得到的。它既能计算图像的梯度，也能在一定程度上抑制噪声，从而更适合在实际图像处理中使用。这种核的设计是通过在差分核上附加一个平滑操作得来的，最终形式如上述的 Sobel 核所示。