锐化——sobel算子

参考博客：
https://blog.csdn.net/tianhai110/article/details/5663756
https://www.zhihu.com/question/266037140
锐化：可以简单的理解为突出，加强边界
锐化处理可以用空间微分来完成：
微分运算
梯度锐化
边缘检测

sobel算子主要用作边缘检测，在技术上，它是一离散型差分算子，用来运算图像亮度函数的灰度值的近似值。
sobel卷积因子为：

看到这里或许会疑惑，卷积核系数是这样的呢？
其实sobel算子对图像的处理过程，本质是一次差分、一次平滑的连续运算：


其中[1 0 -1]及其转置，分别表示水平差分和垂直差分；[1 2 1]及其转置，分别代表水平平滑和垂直平滑。至于为什么一定是这几个数字，没什么深意，只是代表了梯度、平滑这种数学关系，你也可以设置其他的数字，只要保证相对关系即可，其他的梯度、平滑算子只是非标准Sobel而已。

该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值，其公式如下：

其中f(a,b), 表示图像(a,b)点的灰度值；

通常，为了提高效率 使用不开平方的近似值：

Sobel算子根据像素点上下、左右邻点灰度加权差，在边缘处达到极值这一现象检测边缘。对噪声具有平滑作用，提供较为精确的边缘方向信息，边缘定位精度不够高。当对精度要求不是很高时，是一种较为常用的边缘检测方法。

下面分别是原图、垂直、水平的Sobel算子处理的结果。

 A=imread('pic.jpg');  
 I = rgb2gray(A);
 
 subplot(2,2,1); 
 imshow(I);  
 title('原图'); 
 
 
  hx=[-1 -2 -1;0 0 0 ;1 2 1];%生产sobel垂直梯度模板
  hy=hx';                             %生产sobel水平梯度模板
  
%   hx=[-1 0 1;-1 0 1 ;-1 0 1];%生产prewitt垂直梯度模板
%   hy=[1  1 1;0 0 0 ;-1 -1 -1];                            %生产prewitt水平梯度模板
  
  gradx=filter2(hx,I,'same');
  gradx=abs(gradx); %计算图像的sobel垂直梯度
  subplot(2,2,2);
  imshow(gradx,[]);
  title('图像的sobel垂直梯度');
  
  
  grady=filter2(hy,I,'same');
  grady=abs(grady); %计算图像的sobel水平梯度
  subplot(2,2,3);
  imshow(grady,[]);
   title('图像的sobel水平梯度');
   
   grad=gradx+grady;  %得到图像的sobel梯度
   subplot(2,2,4);
   imshow(grad,[]);
   title('图像的sobel梯度');