![24404facc17cc55bb6423c60bc009229.png](https://img-blog.csdnimg.cn/img_convert/24404facc17cc55bb6423c60bc009229.png)
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
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
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:
![f0d18127e9a89143d02259c0870f2586.png](https://img-blog.csdnimg.cn/img_convert/f0d18127e9a89143d02259c0870f2586.png)
其中
- 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:
![3f79b12201b90e3957493032051956c0.png](https://img-blog.csdnimg.cn/img_convert/3f79b12201b90e3957493032051956c0.png)
- 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:
![f1c0db52c28543460323805f21868fad.png](https://img-blog.csdnimg.cn/img_convert/f1c0db52c28543460323805f21868fad.png)
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)。
![523e567330947e0d261b138178071d87.png](https://img-blog.csdnimg.cn/img_convert/523e567330947e0d261b138178071d87.png)