【opencv】18.数字图像一阶导数、二阶导数的数学原理 |
您所在的位置:网站首页 › 函数求导后图像怎么画的更清晰 › 【opencv】18.数字图像一阶导数、二阶导数的数学原理 |
以下内容都是从这篇博客中摘抄的,中间写了一些自己的理解和疑问。 一阶导数求导过程: 二阶导数求导过程:用数学公式表达一阶微分(不同于连续函数的无限趋向于0的 [公式] ,数字领域最小单位为1): 摘自:第三章 灰度变换与空间滤波-(六)锐化空间滤波器之基础 从上面两个公式可以看出: 对图像的某元素求一阶导数,就是用相邻像素的像素值减去这个像素的像素值。不过上面只展示了一维的x,另一维的y没写出来,也就是y不变时,该像素的右边像素的像素值减去该像素的像素值。这是检测横向的。同理,也可以检测纵向的,还有斜线的,这就涉及到下面要讲的二维图像的梯度了。对图像的某元素求二阶导数,就是用前一个像素的像素值+后一个像素,再减去2倍的这个像素。但是,图像是二维的,有x,有y,你要检测的特征都可以使用一阶导数的最大值(即梯度)来检测,对于二维图像,梯度是一个向量,他的方向指向你要检测的方向,而你要检测的方向是由算子来指定的。 原文链接用梯度(一阶微分)实现图像锐化 看清楚,上面的3x3是图像的一小块,并不是卷积核,也不是算子模板。 卷积核与算子:可以参考下这篇博客。 卷积核并不是算子,因为卷积核,顾名思义,就是卷积操作(加权和)。 算子不止进行卷积,还得进行额外的运算,即求梯度,求梯度的模就用到了平方和后在开方的操作,并且一个算子是两个模板(每个模板就像卷积核一样的划窗),分别表示梯度的两个方向gx和gy。并且,卷积核的总和为1,而算子的每个模板的总和都为0。 下面内容摘自【第三章 灰度变换与空间滤波-(六)锐化空间滤波器之梯度】 Sobel算子的数字中间那一行或者那一列比其他的行或列大,可能是因为最靠近中心点像素吧。 以sobel算子为例,本来中间那一行应该是0.5 0 0.5,但是却定为-2 0 2,是因为乘以一个系数(这里乘了4)并不影响,因为图像的每一个像素都是相同的处理,所以并不影响。 Sobel算子: |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |