图像二阶导数的本质

前面我们介绍过了图像的二阶导数,并且指出,二阶导数比一阶导数有更好的细节增强表现。那么,其原理是什么呢?

我们仍然简化问题,考虑下x方向,选取某个像素,如下图所示: 


可以看出,在图中标红色框框的像素附近是一个明显的分界线,上面是一片平坦的灰度区域,下面是灰度缓慢变化的区域。而且有着明显的灰度突变:从100突变到50。我们可以把这个看作图像中物体的轮廓边缘。

根据前几篇文章的介绍,图像在x方向的一阶导数和二阶导数分别是:


我们根据上面的式子计算下这个像素x方向上的一阶导数和二阶导数,如下图所示: 


我们注意到:对于一阶导数,除了灰度突变的地方,其它灰度缓慢变化的地方数值相同,而且符号也相同。而二阶导数在灰度缓慢变化的地方数值为0,而在灰度突变的地方有符号相反的2个数值。也即二阶导数产生了一个像素宽的双边缘。

前面提到,求一阶导数时,用的是绝对值,而二阶导数并没有用绝对值,因为在边缘处,有符号相反的二阶导数值,可以强化这个边缘的对比度。如下图所示:

我们看到,原图像与二阶导数图像合并后,在灰度均匀或灰度缓慢变化的地方,图像并没有任何改变;但在灰度突变的边缘处,原来是100和50的灰度差别,现在是150和10的灰度差别,对比度增强了很多。

因为二阶导数产生了一个像素宽的双边缘,且2个边缘的二阶导数值符号相反,因此在合并图像时,就要考虑符号的问题,不然就适得其反。如果像一阶导数那样,使用了绝对值,那么这种双边缘的对比反差就没有了,所以二阶导数也就没有使用绝对值。

一般来说,二阶导数比一阶导数获得的物体边界更加细致。但是,显而易见的,二阶导数对噪声点也更加敏感,会放大噪声的影响。看看下图就明白了:

在一片灰度均匀的区域,有一个噪声点,经过二阶导数处理后,噪声点更加孤立明显了,尤其在这些灰度平滑区域更加的显眼,噪声被放大了。
--------------------- 
作者:saltriver 
来源:CSDN 
原文:https://blog.csdn.net/saltriver/article/details/78990575 
版权声明:本文为博主原创文章,转载请附上博文链接!

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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