图像处理之高斯一阶及二阶导数计算

图像的一阶与二阶导数计算在图像特征提取与边缘提取中十分重要。一阶与二阶导数的

作用，通常情况下：

一阶导数可以反应出图像灰度梯度的变化情况

二阶导数可以提取出图像的细节同时双响应图像梯度变化情况

常见的算子有Robot, Sobel算子，二阶常见多数为拉普拉斯算子，如图所示：

算法实现

1.高斯采样，基于间隔1计算，计算mask窗口计算，这样就跟普通的卷积计算差不多

2.设置sigma的值，本例默认为10，首先计算高斯窗口函数，默认为3 * 3

3.根据2的结果，计算高斯导数窗口值

4.卷积计算像素中心点值。

注意点：计算高斯函数一定要以零为中心点, 如果窗口函数大小为3，则表达为-1, 0, 1

程序实现关键点

1.归一化处理，由于高斯计算出来的窗口值非常的小，必须实现归一化处理。

2.亮度提升，对X,Y的梯度计算结果进行了亮度提升，目的是让大家看得更清楚。

3.支持一阶与二阶单一方向X，Y偏导数计算

运行效果

高斯一阶导数X方向效果

高斯一阶导数Y方向效果

【转载】：/jia20003/article/details/16369143