图像sobel梯度详细计算过程_（二十三）用梯度（一阶微分）实现图像锐化

时间为友，记录点滴。

我在《数字图像处理》专栏的锐化空间滤波中聊过了什么是图像的锐化，以及为什么可以用微分可以实现图像的锐化。在这里，我们抛开细节，把思路理一下：

定性的思考方向是：

既然可以通过积分的思想来做图像的模糊，是不是可以通过积分的反操作微分来实现模糊的反操作-锐化？

定量的思考方向是：

我们把微分的过程当分别求x, y方向上的偏导，那么可以想象：

1. 在恒定灰度区域内的微分值为0
2. 在灰度台阶或斜坡处微分值非0
3. 沿着斜坡的微分值为0

从上图可以从逻辑上讲得通了。

怎么实现呢？

我们先以一阶偏导为例，具体的推导过程可以参考《数字图像处理》专栏中的梯度介绍。

1. 首先要引入，什么是一阶偏导，它的形式是什么？

2. 然后再看数字图像中的一阶偏导的形式是什么？

我们可以用梯度代表，为什么是梯度？因为梯度是一张二维平面上最大一阶偏导的形式。

3. 两个公式怎么结合？

当然是求梯度的模。

4. 有了公式怎么引入算子

偷一下懒，抄过来把。

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&#