图像梯度计算 | 您所在的位置:网站首页 › 图像梯度公式是什么 › 图像梯度计算 |
理论知识: 连续函数在某一点的导数可以由 得到,图像是离散函数,在某点的梯度可以用向前差商、向后差商或者中心差商获得。这里采用中心差商 可以获取图像某点的导数值。计算过程如下图所示 写成一维卷积的形式等于与如下这样一个滤波核作卷积,分母对结果无关紧要,全部舍弃。 -101
考虑上下两行同时中心一行赋予多一点的权值就可以得到Sobel 滤波核 需要注意的是这样的核只是计算在x方向(也就是横向)图像像素值大小的变化率。图像是二维的所以还应考虑y方向,做法只需要将横向的Sobel核转置。 总结一下如何计算图像梯度值的步骤: 1、需要用到计算x、y方向导数值的两个滤波核 2、分别与图像进行卷积 3、把得到的值写在一起得到图像梯度向量 梯度方向: 梯度幅度:
梯度计算对噪声很敏感 假设有如下信号: 信号有很多噪声,对其进行梯度幅度值计算会得到如下杂乱的值与我们期望的不一致: 原因是导数滤波对噪声很敏感。 解决方法是在计算图像梯度值时需要事先进行模糊操作。 图像二阶导数与Laplacian滤波 利用中心差商可以得到某点的一阶导数,同理可以得到二阶导数 可得: 所以一维laplace filter为: 1-21用一维laplacian核进行卷积会得到什么样的结果? 0交叉点对应这边缘。 考虑y方向推广到2维得到2D Laplace filter:
与Sobel滤波的不同点: Laplacian 零交叉点对应边缘 Sobel 极值对应边缘 一般来说零交叉点检测边缘会更精准一点 |
CopyRight 2018-2019 实验室设备网 版权所有 |