什么是Sobel算子
Sobel算子是像素图像边缘检测中最重要的算子之一
Sobel算子是一个离散微分算子。(discrete differentiation operator)用来计算图像灰度的近似值
Sobel算子功能集合了高斯平滑和微分求导
又被称为一阶微分算子,求导算子,在水平和垂直两个方向上求导,得到图像X方向和Y方向的梯度图像。
官方图例:
在这里插入图片描述
在图片中 红圈处,是头发和脸交汇处(边缘),是不同的颜色,他们之间的像素差别最大。是像素值发生跃迁的地方,变化曲线可以用 f ( t ) f(t) f(t)表示, f ( t ) f(t) f(t)函数图中红圈表示变化最大的点,而对 f ( t ) f(t) f(t) 求导 得到 f ‘ ( t ) f`(t) f‘(t)。差值变化曲线,像一个钟摆行。最高处代表边缘点(差值最大处)。
如果 f ( t ) f(t) f(t) 看作函数的话, f ‘ ( t ) f`(t) f‘(t)就是他的导函数,我们通过前一个像素和当前像素的差值,边缘处得到最大体现,而非边缘处的差值很小或几乎是0,得到最小体现,然后整个图像进行积分求导,提取最大体现的边缘。
卷积应用-- 边缘提取:
边缘是什么,是像素值发生跃迁的地方,是图像的显著特征之一,在图像特征提取,对象检测,模式识别等方面都有很重要的作用。
如何获取边缘 ,对图像求他的一阶导数。
d e l t a = f ( x ) − f ( x − 1 )
delta 越大,说明像素在 X 的方向变换越大,边缘信号越强。
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,其公式如下:
图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合,来计算梯度的大小。