一阶微分算子锐化图像_第三章 灰度变换与空间滤波-（六）锐化空间滤波器之梯度...

步子不要迈得太大，因为容易扯到蛋。

没理解雷神的思维，为什么把一阶求导放在最后讲，为什么要在两个求导方法中间插入一个另类的非锐化掩蔽。

使用一阶微分对（非线性）图像锐化----梯度

老规矩，要看标题就知道我们要先了解两件事：

什么是梯度？

梯度的本意是一个向量（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）。

嗯，其实就是导数最大，斜率最大的方向上的求导的过程。

用数学公式表示就是在二元函数

在平面区域

上有一阶连续偏导数，则对于每个点

都可以定义一个向量

，该函数就叫做函数

在

点的梯度。记做

或者

数字图像处理中的梯度

数字图像处理中的一阶微分是用梯度的幅值来实现的。对于f(x, y), f在坐标(x, y)处的梯度定义为二维列向量：

同模拟函数

的定义一样，该向量有重要的几何意义，它指出了在(x, y)位置处的最大变化率的方向。，它的幅值（长度）可以表示为

为：

.

在物理含义上是跟原图像大小相同的图像，它是在x和y允许在f中的所有像素位置变化产生的，我们可以称它为

梯度图像（或含义清楚时，也叫作梯度）

因为梯度向量的分量是微分算子，所以他们也是线性算子。然而该向量的幅值不是线性算子，因为求幅度是做平方和平方根的操作的。有些时候，我们可以用绝对值来代替平方根操作

算子的推演

我们给出了一阶梯度的表达式以及对应梯度的模，那么怎么根据这个表达式指导我们进行图像处理呢？或者说的更直接点，怎么生成对应的算子呢？

假设现在有一幅图像其中的一个3x3的区域：

一幅图像的局部：3x3大小，从z1到z9

其中

是其中心（目标）像素， 由前面的一阶微分知识（

）我们可以得到它对应的

和

分别为

和

。

• 罗伯特交叉算子

不过，这里我们介绍另外一种罗伯特交叉算子，他们被定义为：

由此，我们可以计算梯度图像

罗伯特交叉算子对应的模板是：

目标像素的右下角四

• Sobel算子

另外一种称为Sobel算子，中心权重使用2用来突出中心点的作用

对应的梯度图像：

举个例子：

梯度（或者称为一阶微分）的特性本来就是消除渐变，可以放大缺陷。可以看到下面这幅图左边是没处理的图像，因为有渐变色并不能清晰看出来（容易算出来）它的缺陷，但是经过梯度变换后，渐变色被统一划到了0.这样既便于人眼检测缺陷，也便于计算机的处理（数据量变小）。