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