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');